Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano

Hernández Bejarano, Manuel Dario (2016) Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.

Texto completo

[img]
Vista previa
PDF - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

2MB

Resumen

Este documento presenta una metodología Bayesiana para la estimación de los parámetros de un modelo ARIMA(p,d,q) en presencia de datos faltantes, para ello se supone que los valores p, d y q son conocidos. La metodología utiliza el muestreador de Gibbs para estimar conjuntamente los parámetros del modelo y las observaciones faltantes en la serie de tiempo. Este trabajo supera las dificultades prácticas de previas investigaciones que consideran series de tiempo con datos faltantes, ya que: (i) el error estándar de la varianza y el intercepto pueden ser estimados, (ii) es posible incluir series con una longitud mayor a 600 observaciones. Las estimaciones de los parámetros y de los datos faltantes considerando datos reales y datos simulados son similares a los obtenidos mediante la metodología frecuentista basada en la función de verosimilitud. La parte de pronóstico del análisis de series de tiempo no es considerada en éste trabajo., Abstract. This document presents a Bayesian methodology for estimating the parameters of an ARIMA(p,d,q) model in the presence of missing data, for this, it assumes that p, d and q are known. The methodology uses the Gibbs sampler to jointly estimate the parameters of the model and the missing observations. We overcome technical difficulties in previous research that consider missing data in time series, due to the fact: (i) the standard error of the variance and the intercept can be estimated (ii) we can include in the analysis series with more than 600 observations. Results of missing data and parameters estimated from real-life and simulated data are similar to those obtained by frequentist methodology based on the likelihood function. Forecast of time series is not considered in this document.

Tipo de documento:Tesis/trabajos de grado - Thesis (Maestría)
Colaborador / Asesor:Nieto Sanchez, Fabio Humberto
Información adicional:Magíster en Ciencias Estadística
Palabras clave:Estadística Bayesiana, Procesos ARIMA, Datos faltantes, Muestreo de Gibbs, Series de tiempo, Bayesian Statistics, Gibbs Sampler, Process ARIMA, Missing Data, Time Series
Temática:5 Ciencias naturales y matemáticas / Science > 51 Matemáticas / Mathematics
Unidad administrativa:Sede Bogotá > Facultad de Ciencias > Departamento de Estadística
Código ID:53355
Enviado por : Manuel Dario Hernandez Bejarano
Enviado el día :18 Agosto 2016 14:17
Ultima modificación:18 Agosto 2016 14:17
Ultima modificación:18 Agosto 2016 14:17
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Registry of Open Access Repositories OpenDOAR Metabiblioteca BDCOL OAIster Red de repositorios latinoamericanos DSpace BASE Open archives La referencia Colombiae Open Access Theses and Dissertations Tesis latinoamericanas CLACSO
Este sitio web se ve mejor en Firefox