Resumen

La estimacin robusta ha demostrado ser una valiosa alternativa al estimador de mnimos cuadrados para los casos en que el conjunto de datos est contaminado con valores atpicos. Se han diseado muchos estimadores robustos para que se vean mnimamente afectados por las observaciones atpicas y produzcan un buen ajuste para la mayora de los datos. Entre ellos, los estimadores redondeados han demostrado las mejores capacidades de estimacin. Sin embargo, es poco conocido que el xito de un mtodo de estimacin robusto depende no slo del estimador robusto utilizado, sino tambin de la forma en que se calcula el estimador. En el presente trabajo, mostramos que para casos complicados, el mtodo predominante de calcular el estimador robusto mediante un esquema de mnimos cuadrados reponderados iterativamente puede dar lugar a un ptimo local de calidad significativamente inferior al ptimo global alcanzable mediante un mtodo de optimizacin global. Adems, el uso secuencial de la estimacin robusta global propuesta demuestra resolver con xito el problema de la estimacin M-split, es decir, la determinacin de parmetros de diferentes modelos funcionales implcitos en los datos.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Estimación robusta; Valores atípicos; Estimadores redondeados; Método de optimización global; Mínimos cuadrados iterativamente reponderados; Estimación M-split
• Keywords:Robust estimation; Outliers; Redescending estimators; Global optimization method; Iteratively reweighted least squares; M-split estimation