Cálculo del número mínimo de datos necesarios para estimar el vector de observaciones faltantes en una serie temporal generada por un modelo ar(p)
La determinación del número mínimo de datos que se deben utilizar para estimar el valor de observaciones faltantes en una serie temporal univariada, es importante porque permite optimizar el tiempo de computación en el sentido en que sí se utilizara un número mayor de datos, el proceso de estimación...
- Autores:
-
Gallardo Pérez, Henry
Nieto, Fabio
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 1996
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/24439
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/24439
http://bdigital.unal.edu.co/15476/
- Palabra clave:
- Estadística matemática
Análisis de series de tiempo
Procesos estocásticos
Toería de la estimación
Serie temporal univariada
Vector de observaciones
Modelo Ar(p)
Estadística matemática
Análisis de series de tiempo
Procesos estocásticos
Toería de la estimación
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | La determinación del número mínimo de datos que se deben utilizar para estimar el valor de observaciones faltantes en una serie temporal univariada, es importante porque permite optimizar el tiempo de computación en el sentido en que sí se utilizara un número mayor de datos, el proceso de estimación resultaría redundante. En este trabajo se determina cuál es número mínimo y cuáles son los datos que se deben utiUzar para estimar el vector de observaciones faltantes, cuando el proceso estocástico obedece un modelo autoregresivo de orden p, AR(p). Se utiliza para ello el método de estimación de Peña-Maravall (1991) y el proceso recurrente de Nieto-Martínez (1994). Se presentan adicionalmente algunos ejemplos teóricos en los cuales se aplican los resultados obtenidos. |
---|