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...
- 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