Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano

Este documento presenta una metodología Bayesiana para la estimación de los parámetros de un modelo ARIMA(p,d,q) en presencia de datos faltantes, para ello se supone que los valores p, d y q son conocidos. La metodología utiliza el muestreador de Gibbs para estimar conjuntamente los parámetros del m...

Full description

Autores:
Hernández Bejarano, Manuel Dario
Tipo de recurso:
Fecha de publicación:
2016
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/57184
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/57184
http://bdigital.unal.edu.co/53355/
Palabra clave:
51 Matemáticas / Mathematics
Estadística Bayesiana
Procesos ARIMA
Datos faltantes
Muestreo de Gibbs
Series de tiempo
Bayesian Statistics
Gibbs Sampler
Process ARIMA
Missing Data
Time Series
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional