Examinando por Autor "Supervisor: Bertin, Karine"

Mostrando 1 - 1 de 1
  • Miniatura
    Ítem
    Métodos de estimación adaptativos en modelos de regresión
    (Universidad de Valparaíso, 2023) Padrino García, Miguel; Supervisor: Bertin, Karine; Advisor: Fermín, Lisandro
    En el presente trabajo se plantea el problema de estimación no paramétrica (por núcleo) de la función de regresión en un modelo de regresión univariante. La precisión de la estimación se mide utilizando riesgos puntuales. Específicamente se plantea la estimación adaptativa de la función de regresión en contexto de dependencia, considerando que la variable explicativa es un proceso débilmente dependiente cuyo coeficiente de correlación tiene decaimiento exponencial. Se asume que la variable explicativa es idénticamente distribuida con función de densidad acotada, esta función de densidad en un caso se considera conocida (caso 1) y en otro caso desconocida (caso 2). Para estimar la función de regresión, se propone estimación por Núcleo y de selección de ventana por enfoque de Goldenshluger-Lepski (G-L). En ambos casos se demuestran nuevos resultados obteniendo que los estimadores seleccionados satisfacen desigualdades de oráculo y que son adaptativos respecto a la regularidad de la función de regresión. Además, se hace una calibración de los métodos de selección de estimadores en base a desigualdades tipo Bernstein adaptados a datos débilmente dependientes. Finalmente, se implementan los distintos métodos propuestos en el software R y se desarrollan simulaciones para ilustrar el desempeño de los métodos propuestos en riesgo puntual y riesgo integrado.