Tesis:
Estimadores de contracción para modelos de regresión Beta

dc.contributor.advisorGonzález-Navarrete Manuel Alejandroes
dc.contributor.advisorFiringuetti-Limone Luis Albertoes
dc.contributor.authorMachaca-Aguilar Romer Alberto
dc.date.accessioned2026-11-18T21:09:49Z
dc.date.available2026-11-18T21:09:49Z
dc.date.issued2022
dc.descriptionTesis (Magíster en Matemática. Mención Estadística)es
dc.description.abstractEn el presente trabajo se realiza un estudio de los estimadores de contracción de un modelo de regresión beta, presentando en primera instancia la distribución beta y sus propiedades. Posteriormente, se realiza la estimación de los parámetros del modelo sin penalizaciones mediante el método de máxima verosimilitud. Al obtenerse un sistema de ecuaciones no lineal, se acude a métodos iterativos (como el método de Newton-Raphson) para llegar a un resultado numérico. En el caso de que las variables explicativas presenten multicolinealidad, se recurre a métodos de contracción que disminuyen la varianza de los estimadores, aunque incrementan su sesgo. Los estimadores de contracción estudiados en esta investigación son el estimador de regresión Ridge y el estimador de regresión Lasso (least absolute shrinkage and selection operator). El estimador Ridge se calcula mediante dos métodos de estimación: el método de mínimos cuadrados iterativamente ponderados y el método de máxima verosimilitud. A continuación, se demuestra que existe un parámetro de contracción tal que el error cuadrático medio del estimador Ridge es menor al del estimador de máxima verosimilitud. En cuanto al estimador Lasso, este se calcula minimizando el negativo de la log-verosimilitud penalizada mediante el método de descenso coordinado; su error cuadrático medio solo se estudia mediante simulaciones debido a que su estimador no presenta una forma cerrada. Posteriormente, se realizan simulaciones para comparar el error cuadrático medio de los tres estimadores estudiados (máxima verosimilitud, Ridge y Lasso), los cuales se hallan mediante funciones creadas en el software estadístico R. Por último, se realiza una aplicación mostrando algunas medidas de diagnóstico de cada estimador.
dc.description.call-numberT(E) 510'E M18 2022es
dc.identifier.urihttps://repositorio.ubiobio.cl/handle/123456789/14395
dc.languagespa
dc.publisherUniversidad del Bío-Bío. Departamento de Matemáticaes
dc.rightsdc.fights: info:eu-repo/semantics/acceso abierto
dc.subjectAnálisis de regresión - Métodos estadísticos
dc.subjectR (Lenguaje de programación para computadores) - Usos
dc.subjectRegresión beta
dc.subjectMétodo Ridge
dc.subjectMétodo Lasso
dc.subjectSimulación
dc.subjectEstimador de contracción
dc.titleEstimadores de contracción para modelos de regresión Betaes
dc.typetesises
dspace.entity.typeTesis
ubb.CarreraMagíster en Matemática, Mención Estadística
ubb.DepartamentoDepartamento de Estadística
ubb.FacultadFacultad de Ciencias
ubb.ProgramaPrograma de Magíster en Matemática, Mención Matemática Aplicada, o Mención Estadística
ubb.SedeConcepción
Archivos
Bloque original
Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
Machaca Aguilar, Romer Alberto.pdf
Tamaño:
1.99 MB
Formato:
Adobe Portable Document Format
Descripción:
Bloque de licencias
Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Colecciones