Inferencia en regresión no lineal
Resumen: Bajo el supuesto de errores i.i.d. N(o,2) los estimadores mínimo - cuadráticos de regresión lineal son los mejores estimadores lineales insesgados. Bajo idéntico supuestos estos resultados son ciertos en regresión no lineal, pero asintóticamente. Ahora bien, en muestras pequeñas, que es el...
- Autores:
-
Yáñez Canal , Sergio
- Tipo de recurso:
- Work document
- Fecha de publicación:
- 1990
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/11873
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/11873
http://bdigital.unal.edu.co/9439/
- Palabra clave:
- 51 Matemáticas / Mathematics
Estimadores mínimo - cuadráticos
Regresión lineal
Interferencias asintóticas
Asymptotic interference
Linear Regression
Estimators least - squares
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | Resumen: Bajo el supuesto de errores i.i.d. N(o,2) los estimadores mínimo - cuadráticos de regresión lineal son los mejores estimadores lineales insesgados. Bajo idéntico supuestos estos resultados son ciertos en regresión no lineal, pero asintóticamente. Ahora bien, en muestras pequeñas, que es el caso común en la práctica, ninguna de dichas propiedades se cumple. Se presenta en este trabajo el porcentaje de sesgo de las estimaciones como medida de valides de la interferencias asintóticas. Se ilustra el método con un modelo de demanda residencial de energía eléctrica para Medellín. |
---|