Aproximación Bayesiana de un modelo semiparametrico
Los modelos de regresión paramétrica tienen como objetivo analizar la relación entre la respuesta y Las variables explicativas, esta relación está dada por una función de distribución conocida que Facilita la estimación de los parámetros y la interpretación del modelo. Sin embargo, es evidente Qu...
| Autor Principal: | Toquica Vargas, Cheimi Sayuri |
|---|---|
| Otros Autores: | Pineda Ríos., Wilmer |
| Formato: | info:eu-repo/semantics/bachelorThesis |
| Idioma: | spa |
| Publicado: |
Universidad Santo Tomás
2017
|
| Materias: | |
| Acceso en línea: |
http://hdl.handle.net/11634/4133 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: |
Los modelos de regresión paramétrica tienen como objetivo analizar la relación entre la respuesta y
Las variables explicativas, esta relación está dada por una función de distribución conocida que
Facilita la estimación de los parámetros y la interpretación del modelo. Sin embargo, es evidente
Que pueden existir relaciones complejas o no lineales. En tales circunstancias una posible solución
Es el uso de polinomios de orden superior, aunque esta práctica puede aumentar la complejidad
Del modelo, y dificultar su interpretación. Por lo tanto, el enfoque paramétrico no provee las herramientas
Necesarias para que el ajuste del modelo sea adecuado. La accesibilidad de los modelos
semiparametricos permite hacerle frente a tales situaciones, dado que poseen la ventaja de que las
Variables no necesariamente sigan una distribución de probabilidad teórica denuda, sino que utilizan
Métodos que mezclan la estimación de máxima verosimilitud con técnicas de suavización. La
Estimación de regresión semiparametrica obtenida mediante el suavizado de spines penalizados se
Puede expresar bajo una estructura de modelos mixtos. Esto facilita los cálculos de las estimaciones
Y conduce a una amplia selección de técnicas computacionales para modelos mixtos y bayesianos.
Por tal razón este trabajo propone la estimación de un modelo semparametrico desde un enfoque
Bayesiano utilizando métodos computacionales en R, a través de los cuales se comprueba si la
Estimación bayesiana resulta ser mejor que la estimación clásica. |
|---|