Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t

In this paper, TAR models with t noise is considered. A Bayesian procedure for estimation is developed when the model has been identified, that is, the structural parameters have been estimated. The method consists in finding the conditional posterior densities and use the Gibbs sampler. Simulated exa...

Full description

Autores:
Zhang, Hanwen
Tipo de recurso:
Fecha de publicación:
2011
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/39566
Acceso en línea:
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/56
http://hdl.handle.net/11634/39566
Palabra clave:
modelos TAR
ruido t
estimación bayesiana
muestreador de Gibbs
Rights
License
http://purl.org/coar/access_right/c_abf2
id SANTTOMAS2_bdb2ca93e9d41f21988b1a3c36d1e2b7
oai_identifier_str oai:repository.usta.edu.co:11634/39566
network_acronym_str SANTTOMAS2
network_name_str Repositorio Institucional USTA
repository_id_str
spelling Zhang, Hanwen2022-01-18T16:06:47Z2022-01-18T16:06:47Z2011-12-31https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/5610.15332/s2027-3355.2011.0002.02http://hdl.handle.net/11634/39566In this paper, TAR models with t noise is considered. A Bayesian procedure for estimation is developed when the model has been identified, that is, the structural parameters have been estimated. The method consists in finding the conditional posterior densities and use the Gibbs sampler. Simulated example shows that this methodology leads good estimates of the parameters.En este artículo se consideran los modelos TAR cuando el proceso de ruido sigue una distribución t. Se desarrolla un procedimiento bayesiano para la estimación de estos modelos cuando el modelo está identificado, es decir, cuando se conocen los parámetros estructurales. El método consiste en encontrar las densidades condicionales a posteriori de los parámetros e implementar un muestreador de Gibbs. Mediante un ejemplo simulado se encuentra que con esta metodología se logran buenas estimaciones de los parámetros.application/pdftext/plainspaUniversidad Santo Tomáshttps://revistas.usantotomas.edu.co/index.php/estadistica/article/view/56/1700https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/56/3654Comunicaciones en Estadística; Vol. 4 Núm. 2 (2011); 109-119Comunicaciones en Estadística; Vol. 4 No. 2 (2011); 109-1192339-30762027-3355Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución tEstimation of TAR Models when the Noise Process Follows a t Distributioninfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb1modelos TARruido testimación bayesianamuestreador de Gibbshttp://purl.org/coar/access_right/c_abf211634/39566oai:repository.usta.edu.co:11634/395662023-07-14 16:09:23.788metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.co
dc.title.spa.fl_str_mv Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t
dc.title.alternative.eng.fl_str_mv Estimation of TAR Models when the Noise Process Follows a t Distribution
title Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t
spellingShingle Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t
modelos TAR
ruido t
estimación bayesiana
muestreador de Gibbs
title_short Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t
title_full Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t
title_fullStr Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t
title_full_unstemmed Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t
title_sort Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t
dc.creator.fl_str_mv Zhang, Hanwen
dc.contributor.author.none.fl_str_mv Zhang, Hanwen
dc.subject.proposal.spa.fl_str_mv modelos TAR
ruido t
estimación bayesiana
muestreador de Gibbs
topic modelos TAR
ruido t
estimación bayesiana
muestreador de Gibbs
description In this paper, TAR models with t noise is considered. A Bayesian procedure for estimation is developed when the model has been identified, that is, the structural parameters have been estimated. The method consists in finding the conditional posterior densities and use the Gibbs sampler. Simulated example shows that this methodology leads good estimates of the parameters.
publishDate 2011
dc.date.issued.none.fl_str_mv 2011-12-31
dc.date.accessioned.none.fl_str_mv 2022-01-18T16:06:47Z
dc.date.available.none.fl_str_mv 2022-01-18T16:06:47Z
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/article
dc.identifier.none.fl_str_mv https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/56
10.15332/s2027-3355.2011.0002.02
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/39566
url https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/56
http://hdl.handle.net/11634/39566
identifier_str_mv 10.15332/s2027-3355.2011.0002.02
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/56/1700
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/56/3654
dc.relation.citationissue.spa.fl_str_mv Comunicaciones en Estadística; Vol. 4 Núm. 2 (2011); 109-119
dc.relation.citationissue.eng.fl_str_mv Comunicaciones en Estadística; Vol. 4 No. 2 (2011); 109-119
dc.relation.citationissue.none.fl_str_mv 2339-3076
2027-3355
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
text/plain
dc.publisher.spa.fl_str_mv Universidad Santo Tomás
institution Universidad Santo Tomás
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv noreply@usta.edu.co
_version_ 1782026379332681728