Criterio de Akaike para la selección de modelos con transformaciones

En el trabajo de modelación estadística, es de primordial importancia la selección del modelo, es decir, elegir dentro de un conjunto de modelos alternativos el modelo más apropiado para el conjunto de datos. Por ejemplo, en teoría de valores extremos algunas veces se desea elegir entre la distribuc...

Full description

Autores:
Amaya Jiménez, Leonel
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2018
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/12544
Acceso en línea:
http://repository.usta.edu.co/handle/11634/12544
Palabra clave:
Modelos
Selección
Criterios
Akaike
Bic
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
id SANTTOMAS2_bfe350a661d61813016c68e54f67007c
oai_identifier_str oai:repository.usta.edu.co:11634/12544
network_acronym_str SANTTOMAS2
network_name_str Repositorio Institucional USTA
repository_id_str
dc.title.spa.fl_str_mv Criterio de Akaike para la selección de modelos con transformaciones
title Criterio de Akaike para la selección de modelos con transformaciones
spellingShingle Criterio de Akaike para la selección de modelos con transformaciones
Modelos
Selección
Criterios
Akaike
Bic
title_short Criterio de Akaike para la selección de modelos con transformaciones
title_full Criterio de Akaike para la selección de modelos con transformaciones
title_fullStr Criterio de Akaike para la selección de modelos con transformaciones
title_full_unstemmed Criterio de Akaike para la selección de modelos con transformaciones
title_sort Criterio de Akaike para la selección de modelos con transformaciones
dc.creator.fl_str_mv Amaya Jiménez, Leonel
dc.contributor.advisor.none.fl_str_mv Ortiz Rico, Andrés Felipe
dc.contributor.author.none.fl_str_mv Amaya Jiménez, Leonel
dc.contributor.googlescholar.spa.fl_str_mv https://scholar.google.es/citations?user=OuVxcUgAAAAJ&hl=es
dc.contributor.cvlac.spa.fl_str_mv http://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000650579
dc.subject.lemb.spa.fl_str_mv Modelos
Selección
Criterios
topic Modelos
Selección
Criterios
Akaike
Bic
dc.subject.proposal.spa.fl_str_mv Akaike
Bic
description En el trabajo de modelación estadística, es de primordial importancia la selección del modelo, es decir, elegir dentro de un conjunto de modelos alternativos el modelo más apropiado para el conjunto de datos. Por ejemplo, en teoría de valores extremos algunas veces se desea elegir entre la distribución generalizada de valores extremos con un parámetro de forma muy pequeño o una distribución Gumbel, donde ésta última se toma como un caso límite de la primera cuando el parámetro de forma tiende a cero. En tal caso es deseable un estadístico que permita seleccionar entre un modelo u otro. Los índices AIC y BIC (Criterio de información de Akaike y criterio de información bayesiano, respectivamente) son dos criterios de uso frecuente para la selección de modelos. El AIC fue propuesto por Akaike (1974) como un estimador insesgado asintótico de la información de Kullback-Leibler esperada, entre un modelo candidato ajustado y el verdadero modelo. El BIC fue derivado por Schwarz en 1978 como una aproximación a una transformación de la probabilidad posterior de un modelo candidato.
publishDate 2018
dc.date.accessioned.none.fl_str_mv 2018-07-30T20:17:09Z
dc.date.available.none.fl_str_mv 2018-07-30T20:17:09Z
dc.date.issued.none.fl_str_mv 2018
dc.type.local.spa.fl_str_mv Trabajo de grado
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.category.spa.fl_str_mv Formación de Recurso Humano para la Ctel: Trabajo de grado de pregrado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.spa.fl_str_mv Amaya, L. (2018). Criterio de Akaike para la selección de modelos con transformaciones. (Trabajo de pregrado). Universidad Santo Tomás. Bogotá, Colombia
dc.identifier.uri.none.fl_str_mv http://repository.usta.edu.co/handle/11634/12544
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad Santo Tomás
dc.identifier.instname.spa.fl_str_mv instname:Universidad Santo Tomás
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.usta.edu.co
identifier_str_mv Amaya, L. (2018). Criterio de Akaike para la selección de modelos con transformaciones. (Trabajo de pregrado). Universidad Santo Tomás. Bogotá, Colombia
reponame:Repositorio Institucional Universidad Santo Tomás
instname:Universidad Santo Tomás
repourl:https://repository.usta.edu.co
url http://repository.usta.edu.co/handle/11634/12544
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723.
Beaumont, Adrian N., 2014. "Data transforms with exponential smoothing methods of forecasting, International Journal of Forecasting, Elsevier, vol. 30, pages 918-927.
Burnham, K. P. and Anderson, D. R. 2002. Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach, Springer, New York.
Cholaquidis, A. 2015. Notas para el curso de Probabilidad II. Licenciatura en Estadística. Facultad de Ciencias, Universidad de la República.
Claeskens, G. and Hjort, G., L. 2008. Model Selection and Model Averaging, Cambridge: Cambridge University Press.
Fahrmeir. L, Kneib. T, Lang. S and Marxregression.B, 2013. Regression: Models, Methods and Applications.Springer
De la Horra, J. Introducción a la convergencia de sucesiones de variables aleatorias. Departamento de Matemáticas U.A.M.
Inga Santibáñez, Rosa M. (1996) Principio de maximización de la información de Akaike. Venezuela. Universidad Nacional Mayor San Marcos.
Konishi, S. and Kitagawa, G. (2008). Information Criteria and Statistical Modeling, Springer Series in Statistics. Springer Verlag, New York.
Kullback, S. (1997). Information Theory and Statistics, Dover Publications, New York.
Márquez Cebrián, María Dolors. 2002. Modelo setar aplicado a la volatilidad de la rentabilidad de las acciones: algoritmos para su identificación. Universidad politécnica de Cataluña.
Medel, Carlos A. (2012) Akaike or Schwarz? Which One is a Better Predictor of Chilean GDP? Central Bank of Chile.
Montesinos. L,Abelardo. 2011. Estudio del AIC y BIC en la selección de modelos de vida con datos censurados. Guanajuato, Gto, CIMAT.
Montgomery, D.; Peck E. y Vining, G. 2006. Introducción al análisis de regresión lineal. México: Limusa Wiley.
P. Billingsley. 1999. Convergence of Probability Measures. 2nd ed. John Wiley and Sons.
Raymond, José Luis y Uriel, Esequiel., 1987. Investigación econométrica aplicada un caso de estudio. alfa centauro S.A.
Salih N. Neft_cI (2012) Speci_cation of Economic Time Series Models Using Akaike's Criterion, Journal of the American Statistical Association, 77:379, 537-540.
Shibata, R. 1995. Boostrap Estimate of Kullback-Leibler Information for Model Selection, Technical Report No. 424, Department of Statistical University of California Berkeley, California.
Tong, H. 1990. Non-linear time series: a dynamical system approach. Oxford: Oxford University Press.
Wasserman, L.A. 2004. All of Statistics: A Concise Course in Statistical Inference, Springer, New York.
Cholaquidis, A. 2015. Notas para el curso de Probabilidad II. Licenciatura en Estadística. Facultad de Ciencias, Universidad de la República
dc.rights.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv Abierto (Texto Completo)
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Abierto (Texto Completo)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.campus.spa.fl_str_mv CRAI-USTA Bogotá
dc.publisher.spa.fl_str_mv Universidad Santo Tomás
dc.publisher.program.spa.fl_str_mv Pregrado Estadística
dc.publisher.faculty.spa.fl_str_mv Facultad de Estadística
institution Universidad Santo Tomás
bitstream.url.fl_str_mv https://repository.usta.edu.co/bitstream/11634/12544/5/2018leonelamaya.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/12544/6/cartadefacultad.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/12544/7/cartaderechosdeautor.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/12544/1/2018leonelamaya.pdf
https://repository.usta.edu.co/bitstream/11634/12544/3/cartadefacultad.pdf
https://repository.usta.edu.co/bitstream/11634/12544/4/cartaderechosdeautor.pdf
https://repository.usta.edu.co/bitstream/11634/12544/2/license.txt
bitstream.checksum.fl_str_mv 68c2a47dbf5dd60b2ef75f86ee1179ba
f669e7e0b5d87818df1db8b8d0c4d91c
45dee47d3c1458cfde9119896f13e083
21c81ac30a3cacf87e6803d433052135
e37042686d1a97030242b090da339fd7
2c2658b9fb3efd0b90a6d5a8ef6ad46d
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv repositorio@usantotomas.edu.co
_version_ 1782026268428992512
spelling Ortiz Rico, Andrés FelipeAmaya Jiménez, Leonelhttps://scholar.google.es/citations?user=OuVxcUgAAAAJ&hl=eshttp://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=00006505792018-07-30T20:17:09Z2018-07-30T20:17:09Z2018Amaya, L. (2018). Criterio de Akaike para la selección de modelos con transformaciones. (Trabajo de pregrado). Universidad Santo Tomás. Bogotá, Colombiahttp://repository.usta.edu.co/handle/11634/12544reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEn el trabajo de modelación estadística, es de primordial importancia la selección del modelo, es decir, elegir dentro de un conjunto de modelos alternativos el modelo más apropiado para el conjunto de datos. Por ejemplo, en teoría de valores extremos algunas veces se desea elegir entre la distribución generalizada de valores extremos con un parámetro de forma muy pequeño o una distribución Gumbel, donde ésta última se toma como un caso límite de la primera cuando el parámetro de forma tiende a cero. En tal caso es deseable un estadístico que permita seleccionar entre un modelo u otro. Los índices AIC y BIC (Criterio de información de Akaike y criterio de información bayesiano, respectivamente) son dos criterios de uso frecuente para la selección de modelos. El AIC fue propuesto por Akaike (1974) como un estimador insesgado asintótico de la información de Kullback-Leibler esperada, entre un modelo candidato ajustado y el verdadero modelo. El BIC fue derivado por Schwarz en 1978 como una aproximación a una transformación de la probabilidad posterior de un modelo candidato.Profesional en estadísticahttp://unidadinvestigacion.usta.edu.coPregradoapplication/pdfspaUniversidad Santo TomásPregrado EstadísticaFacultad de EstadísticaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Criterio de Akaike para la selección de modelos con transformacionesModelosSelecciónCriteriosAkaikeBicTrabajo de gradoinfo:eu-repo/semantics/acceptedVersionFormación de Recurso Humano para la Ctel: Trabajo de grado de pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáAkaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723.Beaumont, Adrian N., 2014. "Data transforms with exponential smoothing methods of forecasting, International Journal of Forecasting, Elsevier, vol. 30, pages 918-927.Burnham, K. P. and Anderson, D. R. 2002. Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach, Springer, New York.Cholaquidis, A. 2015. Notas para el curso de Probabilidad II. Licenciatura en Estadística. Facultad de Ciencias, Universidad de la República.Claeskens, G. and Hjort, G., L. 2008. Model Selection and Model Averaging, Cambridge: Cambridge University Press.Fahrmeir. L, Kneib. T, Lang. S and Marxregression.B, 2013. Regression: Models, Methods and Applications.SpringerDe la Horra, J. Introducción a la convergencia de sucesiones de variables aleatorias. Departamento de Matemáticas U.A.M.Inga Santibáñez, Rosa M. (1996) Principio de maximización de la información de Akaike. Venezuela. Universidad Nacional Mayor San Marcos.Konishi, S. and Kitagawa, G. (2008). Information Criteria and Statistical Modeling, Springer Series in Statistics. Springer Verlag, New York.Kullback, S. (1997). Information Theory and Statistics, Dover Publications, New York.Márquez Cebrián, María Dolors. 2002. Modelo setar aplicado a la volatilidad de la rentabilidad de las acciones: algoritmos para su identificación. Universidad politécnica de Cataluña.Medel, Carlos A. (2012) Akaike or Schwarz? Which One is a Better Predictor of Chilean GDP? Central Bank of Chile.Montesinos. L,Abelardo. 2011. Estudio del AIC y BIC en la selección de modelos de vida con datos censurados. Guanajuato, Gto, CIMAT.Montgomery, D.; Peck E. y Vining, G. 2006. Introducción al análisis de regresión lineal. México: Limusa Wiley.P. Billingsley. 1999. Convergence of Probability Measures. 2nd ed. John Wiley and Sons.Raymond, José Luis y Uriel, Esequiel., 1987. Investigación econométrica aplicada un caso de estudio. alfa centauro S.A.Salih N. Neft_cI (2012) Speci_cation of Economic Time Series Models Using Akaike's Criterion, Journal of the American Statistical Association, 77:379, 537-540.Shibata, R. 1995. Boostrap Estimate of Kullback-Leibler Information for Model Selection, Technical Report No. 424, Department of Statistical University of California Berkeley, California.Tong, H. 1990. Non-linear time series: a dynamical system approach. Oxford: Oxford University Press.Wasserman, L.A. 2004. All of Statistics: A Concise Course in Statistical Inference, Springer, New York.Cholaquidis, A. 2015. Notas para el curso de Probabilidad II. Licenciatura en Estadística. Facultad de Ciencias, Universidad de la RepúblicaTHUMBNAIL2018leonelamaya.pdf.jpg2018leonelamaya.pdf.jpgIM Thumbnailimage/jpeg6799https://repository.usta.edu.co/bitstream/11634/12544/5/2018leonelamaya.pdf.jpg68c2a47dbf5dd60b2ef75f86ee1179baMD55open accesscartadefacultad.pdf.jpgcartadefacultad.pdf.jpgIM Thumbnailimage/jpeg7278https://repository.usta.edu.co/bitstream/11634/12544/6/cartadefacultad.pdf.jpgf669e7e0b5d87818df1db8b8d0c4d91cMD56open accesscartaderechosdeautor.pdf.jpgcartaderechosdeautor.pdf.jpgIM Thumbnailimage/jpeg8656https://repository.usta.edu.co/bitstream/11634/12544/7/cartaderechosdeautor.pdf.jpg45dee47d3c1458cfde9119896f13e083MD57open accessORIGINAL2018leonelamaya.pdf2018leonelamaya.pdfapplication/pdf448162https://repository.usta.edu.co/bitstream/11634/12544/1/2018leonelamaya.pdf21c81ac30a3cacf87e6803d433052135MD51open accesscartadefacultad.pdfcartadefacultad.pdfapplication/pdf126264https://repository.usta.edu.co/bitstream/11634/12544/3/cartadefacultad.pdfe37042686d1a97030242b090da339fd7MD53metadata only accesscartaderechosdeautor.pdfcartaderechosdeautor.pdfapplication/pdf177742https://repository.usta.edu.co/bitstream/11634/12544/4/cartaderechosdeautor.pdf2c2658b9fb3efd0b90a6d5a8ef6ad46dMD54metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repository.usta.edu.co/bitstream/11634/12544/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52open access11634/12544oai:repository.usta.edu.co:11634/125442023-02-28 03:05:21.789open accessRepositorio Universidad Santo Tomásrepositorio@usantotomas.edu.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