Para el análisis de datos en muestras complejas, el usuario recurre comúnmente a los procedimientos tradicionales que están implementados en los paquetes estadísticos computacionales convencionales en donde, por defecto, suponen que las observaciones obtenidas en la muestra son independientes e idénticamente distribuidas. Esto los lleva a ignorar el diseño de muestreo complejo, o bien la forma estructural que presenta la población de interés, ocasionando graves distorsiones en las inferencias de tipo analítico. Con base en lo anterior, aquí se examinan algunas alternativas para estimar la matriz de covarianza. Además, se proponen algunas correcciones simples para obtener estimadores consistentes de los errores estándar del vector de coeficientes en un modelo de regresión lineal.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Una extensión del algoritmo MIMIC mediante Cópulas
Videos:
Estadística: matriz varianza-covarianza y método acumulada. Clase 15 (parte 1)
Artículos:
Metodología de mejoramiento en el desempeño de sistemas de producción. Aplicaciones en Pymes de la confección
Videos:
Lec. 42. Sistemas de gestión de inventarios
Artículos:
El análisis estadístico de los tiempos de mantenimiento a un equipo de la industria alimentaria: un estudio de caso para identificar las fuentes de impacto en el rendimiento