TAR modeling with missing data when the white noise process is not Gaussian

En esta investigación, proponemos tres familias de modelos TAR: (1) Modelos TAR con ruidos t, (2) Modelos TAR para el logaritmo de series positivas, y (3) Modelos TAR donde el proceso del ruido tiene distribución Gamma estandarizada. Para cada uno de estos modelos, proponemos un procedimiento de tre...

Full description

Autores:
Zhang, Hanwen
Tipo de recurso:
Doctoral thesis
Fecha de publicación:
2014
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/75057
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/75057
http://bdigital.unal.edu.co/39562/
Palabra clave:
51 Matemáticas / Mathematics
Modelos TAR
Muestreador de Gibbs
Series de tiempo
TAR models
Gibbs sampler
Time series
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_5ed13da487e530e216e100763bf6f686
oai_identifier_str oai:repositorio.unal.edu.co:unal/75057
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Nieto, Fabio HumbertoZhang, Hanwenb4ea95f0-8c15-4fd3-bc81-040e58b6d4e83002019-07-03T18:59:24Z2019-07-03T18:59:24Z2014https://repositorio.unal.edu.co/handle/unal/75057http://bdigital.unal.edu.co/39562/En esta investigación, proponemos tres familias de modelos TAR: (1) Modelos TAR con ruidos t, (2) Modelos TAR para el logaritmo de series positivas, y (3) Modelos TAR donde el proceso del ruido tiene distribución Gamma estandarizada. Para cada uno de estos modelos, proponemos un procedimiento de tres etapas que consiste en: (1) La identificación del número de regímenes y los correspondientes umbrales, (2) La identificación de los órdenes autoregresivos en los regímenes, y (3) La estimación de los parámetros no estructurales, estos son, los coeficientes autoregresivos, las varianzas condicionales tipo II y demás parámetros que cada modelo particular pueda tener.Abstract. In this work, we proposed three families of TAR models: (1) TAR models with t-distributed noise process, (2) TAR models for logarithm of positive series, and (3) TAR models with standardized Gamma distributed noise process. For each one of these models, we proposed a three-stage procedure which consists of: (1) identifying the number of regimes and the corresponding thresholds, (2) identifying the autoregressive order in each regime, and (3) estimating the non-structural parameters, i.e., the autoregressive coefficients and the type II conditional variance in each regime, and other parameters that each particular model may contain.Doctoradoapplication/pdfspaUniversidad Nacional de Colombia Sede Bogotá Facultad de Ciencias Departamento de EstadísticaDepartamento de EstadísticaZhang, Hanwen (2014) TAR modeling with missing data when the white noise process is not Gaussian. Doctorado thesis, Universidad Nacional de Colombia.51 Matemáticas / MathematicsModelos TARMuestreador de GibbsSeries de tiempoTAR modelsGibbs samplerTime seriesTAR modeling with missing data when the white noise process is not GaussianTrabajo de grado - Doctoradoinfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06Texthttp://purl.org/redcol/resource_type/TDORIGINAL832342.2014.pdfapplication/pdf873643https://repositorio.unal.edu.co/bitstream/unal/75057/1/832342.2014.pdf508f72b5a9b918b4f52324e138a341feMD51THUMBNAIL832342.2014.pdf.jpg832342.2014.pdf.jpgGenerated Thumbnailimage/jpeg4141https://repositorio.unal.edu.co/bitstream/unal/75057/2/832342.2014.pdf.jpga4aa50cf1af97b62038fea6cc43ab1ecMD52unal/75057oai:repositorio.unal.edu.co:unal/750572024-07-03 23:11:54.314Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co
dc.title.spa.fl_str_mv TAR modeling with missing data when the white noise process is not Gaussian
title TAR modeling with missing data when the white noise process is not Gaussian
spellingShingle TAR modeling with missing data when the white noise process is not Gaussian
51 Matemáticas / Mathematics
Modelos TAR
Muestreador de Gibbs
Series de tiempo
TAR models
Gibbs sampler
Time series
title_short TAR modeling with missing data when the white noise process is not Gaussian
title_full TAR modeling with missing data when the white noise process is not Gaussian
title_fullStr TAR modeling with missing data when the white noise process is not Gaussian
title_full_unstemmed TAR modeling with missing data when the white noise process is not Gaussian
title_sort TAR modeling with missing data when the white noise process is not Gaussian
dc.creator.fl_str_mv Zhang, Hanwen
dc.contributor.author.spa.fl_str_mv Zhang, Hanwen
dc.contributor.spa.fl_str_mv Nieto, Fabio Humberto
dc.subject.ddc.spa.fl_str_mv 51 Matemáticas / Mathematics
topic 51 Matemáticas / Mathematics
Modelos TAR
Muestreador de Gibbs
Series de tiempo
TAR models
Gibbs sampler
Time series
dc.subject.proposal.spa.fl_str_mv Modelos TAR
Muestreador de Gibbs
Series de tiempo
TAR models
Gibbs sampler
Time series
description En esta investigación, proponemos tres familias de modelos TAR: (1) Modelos TAR con ruidos t, (2) Modelos TAR para el logaritmo de series positivas, y (3) Modelos TAR donde el proceso del ruido tiene distribución Gamma estandarizada. Para cada uno de estos modelos, proponemos un procedimiento de tres etapas que consiste en: (1) La identificación del número de regímenes y los correspondientes umbrales, (2) La identificación de los órdenes autoregresivos en los regímenes, y (3) La estimación de los parámetros no estructurales, estos son, los coeficientes autoregresivos, las varianzas condicionales tipo II y demás parámetros que cada modelo particular pueda tener.
publishDate 2014
dc.date.issued.spa.fl_str_mv 2014
dc.date.accessioned.spa.fl_str_mv 2019-07-03T18:59:24Z
dc.date.available.spa.fl_str_mv 2019-07-03T18:59:24Z
dc.type.spa.fl_str_mv Trabajo de grado - Doctorado
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/doctoralThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_db06
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TD
format http://purl.org/coar/resource_type/c_db06
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/75057
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/39562/
url https://repositorio.unal.edu.co/handle/unal/75057
http://bdigital.unal.edu.co/39562/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Sede Bogotá Facultad de Ciencias Departamento de Estadística
Departamento de Estadística
dc.relation.references.spa.fl_str_mv Zhang, Hanwen (2014) TAR modeling with missing data when the white noise process is not Gaussian. Doctorado thesis, Universidad Nacional de Colombia.
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/75057/1/832342.2014.pdf
https://repositorio.unal.edu.co/bitstream/unal/75057/2/832342.2014.pdf.jpg
bitstream.checksum.fl_str_mv 508f72b5a9b918b4f52324e138a341fe
a4aa50cf1af97b62038fea6cc43ab1ec
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814089238086418432

Publicaciones similares