Time Series Missing Data Imputation Using Restricted Multivariate Methods
Para tener éxito en el modelamiento de cualquier fenómeno físico, es importante disponer de una fuente de información completa. En este documento se plantea la reconstrucción o estimación de observaciones faltantes en series de tiempo múltiples, siguiendo la metodología de Guerrero (1989) de pronó...
| Autor Principal: | Velásquez Gallo, María Ana; Estadística. Universidad Nacional de Colombia. |
|---|---|
| Otros Autores: | Martínez Collantes, Jorge; Profesor asociado. Universidad Nacional de Colombia |
| Formato: | info:eu-repo/semantics/article |
| Idioma: | spa |
| Publicado: |
Universidad Santo Tomás
2009
|
| Materias: | |
| Acceso en línea: |
http://revistas.usta.edu.co/index.php/estadistica/article/view/34 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: |
Para tener éxito en el modelamiento de cualquier fenómeno físico, es importante disponer de una fuente de información completa. En este documento se plantea la reconstrucción o estimación de observaciones faltantes en series de tiempo múltiples, siguiendo la metodología de Guerrero (1989) de pronósticos con restricciones, las cuales vienen dadas por información adicional relacionada con el modelo que tiene en cuenta su información histórica y su estructura de correlación, minimizando el error cuadrático medio, y asumiendo además, que no se presentó un cambio de estructura en el segmento faltante, lo cual se verifica mediante una prueba de bondad de ajuste. El pronóstico óptimo se restringe a conservar la estructura inicialmente identificada, de manera que empalmen los pronósticos obtenidos con la información posterior disponible, y con esto, no se vean afectados los parámetros, la parte estocástica y la parte determinística del modelo. |
|---|