Resumen

Proponemos un algoritmo de muestreo de Gibbs para detectar valores atípicos aditivos y parches de valores atípicos en modelos de series temporales bilineales basados en la visión bayesiana. En primer lugar, derivamos las distribuciones posteriores condicionales y, a continuación, utilizamos los resultados de la primera ejecución de Gibbs para iniciar el segundo muestreo de Gibbs adaptativo. Se demuestra que nuestro procedimiento podría reducir los posibles efectos de enmascaramiento e inundación. Por último, se realizan algunas simulaciones para demostrar la eficacia de la detección y la estimación mediante métodos de Monte Carlo.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:modelos bilineales de series temporales, segundo muestreo gibbs adaptativo, algoritmo de muestreo gibbs, métodos monte carlo, distribuciones posteriores condicionales, visión bayesiana, valores atípicos aditivos, primer gibbs, posibles efectos, detección
• Keywords:bilinear time series models, second adaptive gibbs sampling, gibbs sampling algorithm, monte carlo methods, conditional posterior distributions, bayesian view, additive outliers, first gibbs, possible effects, detection