Matriz de covarianza
Optimización de procesos. Primera entrega
- Video:Covarianza y regresión lineal. Un ejemplo
- Fuente:Canal Juan Medina / You Tube
Russian-doll risk models
Modelos de riesgo tipo muñeca rusa
Aquí se brinda un algoritmo explícito simple para construir modelos de riesgo multifactor para reducir de forma considerable o eliminar el número de factores de riesgo. Para ello, necesita calcularse el factor matriz de covarianza. Esto se logra mediante la inserción tipo muñeca rusa: el factor matriz de covarianza se modela mediante un modelo factor, cuyo factor matriz de covarianza se modela a su vez a través de un modelo factor y así sucesivamente. Se discute en detalle cómo implementar este algoritmo en el caso de la clasificación industrial binaria basada en factores de riesgo, así como en presencia de factores de estilo no binarios.
Este documento fue elaborado por Zura Kakushadze (Quantigic Solutions LLC, Stamford, CT, Estados Unidos). Se encuentra alojado en la página de arXiv.org, depósito institucional fundado y mantenido por la Cornell University Library (Cornell University. Ithaca, NY, Estados Unidos).
Algunas alternativas para estimar la matriz de covarianza de un estimador en un modelo de regresión lineal
Some alternatives to estimate covariance matrix of an estimator in a linear regression model
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.
Este artículo fue preparado por Fernando Esquivel Bocanegra (Universidad Autónoma Agraria Antonio Narro, Saltillo, Coahuila, México), Ignacio Méndez Ramírez (Universidad Nacional Autónoma de México UNAM, México D.F., México) y Gustavo Ramírez Valverde (Colegio de Postgraduados, Texcoco, México) para la Revista de Investigación Operacional (Vol. 24, No 3, 2003, 219-234), publicación del Departamento de Matemática Aplicada de la Universidad de La Habana (La Habana, Cuba) que difunde trabajos teóricos y aplicados sobre teoría de optimización, estadística, métodos numéricos, teoría de decisiones, entre otros.
- Video:Sumatorias: estimador MCO, covarianza y varianza
- Fuente:Canal César Sánchez / You Tube
