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...
- 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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 |