Implementación computacional de nuevas metodologías para la estimación semi paramétrica de la frontera estocástica

Este trabajo busca extender y apoyar la investigación que se lleva a cabo en el Departamento de Ingeniería Industrial de la Universidad de los Andes sobre estimadores semi paramétricos para los problemas de frontera estocástica, en donde se asume que la forma funcional de la frontera de producción es un modelo aditivo compuesto de funciones desconocidas que pertenecen a un espacio de Hilbert, y que la distribución de los términos del error es conocida. Se presenta el algoritmo de optimización por coordenadas para obtener los estimadores de máxima verosimilitud de las funciones desconocidas y los términos del error. Además, las simulaciones de Monte Carlo muestran que el método presenta un buen desempeño en muestras finitas. También, se presenta una aplicación empírica donde se muestran las ventajas de esta metodología, en contraste con los modelos paramétricos. Finalmente, se discuten posibles extensiones al modelo y lineas de investigación futuras.

• Autores: Nieto Osorio, Daniel Felipe
• Fecha de publicación: 2019
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/44296
• Acceso en línea: http://hdl.handle.net/1992/44296
• Palabra clave: Productividad industrial - Investigaciones; Análisis estocástico - Investigaciones; Estimación de parámetros - Investigaciones - Métodos de simulación; Espacio de Hilbert - Aplicaciones - Investigaciones; Método de Montecarlo - Aplicaciones - Investigaciones; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf