Prior no informativas y su influencia en la estimación de los parámetros no estructurales de un modelo TAR multivariado
Este trabajo presenta la estimación mediante el enfoque Bayesiano de los parámetros no estructurales de un modelo TAR multivariado y del parámetro de retardo de la variable de umbrales d. Los métodos MCMC son empleados para obtener muestras de las distribuciones a posteriori. Se describen las distri...
- Autores:
-
Trilleras Martínez, Alexander
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/63285
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/63285
http://bdigital.unal.edu.co/63529/
- Palabra clave:
- 5 Ciencias naturales y matemáticas / Science
51 Matemáticas / Mathematics
Modelos TAR
Técnicas Markov Chain Monte Carlo (MCMC)
Inferencia Bayesiana
TAR Models
Marckov Chain Monte Carlo technique (MCMC)
Bayesian Inference
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | Este trabajo presenta la estimación mediante el enfoque Bayesiano de los parámetros no estructurales de un modelo TAR multivariado y del parámetro de retardo de la variable de umbrales d. Los métodos MCMC son empleados para obtener muestras de las distribuciones a posteriori. Se describen las distribuciones condicionales completas para cada vector de parámetros, las cuales son halladas al utilizar distribuciones a priori tanto informativas como no informativas. Para determinar la incidencia de las distribuciones a priori informativas y no informativas sobre las estimaciones, se establecen comparaciones a partir del sesgo e intervalos creíbles. La metodología se veri�fica para datos reales de tipo �financiero y de hidrología. |
---|