-
Recursos bibliográficos en papel y digitales -
- libros, artículos de revistas,
ponencias de eventos, etc. -
» Resultado: 2 registros
| Registro 1 de 2 | |
| Autor: | Infante, Saba - Rojas, Javier - Hernandez, Aracelis - Cartaya, Virginia |
| Título: | Modelos de espacio estado basados en la distribución normal inversa Gaussiana: una aplicación al análisis de series de tiempo de la economía venezolana |
| Fuente: | Estadística : Revista Semestral del Instituto Interamericano de Estadística. v.62, n.178. Instituto Interamericano de Estadística |
| Páginas: | pp. 5-36 |
| Año: | jun. 2010 |
| Resumen: | El presente trabajo tiene como primer objetivo mostrar cómo funcionan los algoritmos computacionales: muestreador de Gibbs, filtro de Kalman, filtro de Kalman extendido y filtro de partículas con remuestreo, en el modelaje de series de tiempo. Un segundo objetivo que se propone es comparar el uso de estos algoritmos para modelar los estados desconocidos del sistema económico de Venezuela utilizando la distribución Normal Inversa Gaussiana (NIG), caso especial de las distribuciones Hiperbólicas generalizadas de Barndorff-Nielsen (1978). En el estudio se consideran modelos con estructuras lineales y no lineales, con errores Gaussianos y no Gaussianos; se analizan las series del Producto Interno Bruto (PIB) petrolero, y no petrolero; y la tasa de cambio Dólar a Bolívar de la economía Venezolana; también se realizó un estudio de simulación. Se demuestra que el estimador de la media a posteriori de los estados desconocidos del sistema se ajustan bien a las series verdaderas bajo los algoritmos propuestos cuando el modelo es lineal, independientemente si los errores son Gaussianos o no Gaussianos; mientras que cuando el modelo es no lineal (caso simulado), el filtro de partículas con remuestreo es el que mejor se comporta. Se estimaron las densidades a posteriori de los estados y se obtuvo densidades bimodales y trimodales, este resultado es una señal de que las series analizadas tienen un comportamiento no lineal, no estacionario y son volátiles. Además, se simularon muestras para comparar la eficiencia de los filtros y se utilizó como medida de bondad de ajuste la raíz cuadrada del error cuadrático medio empírico (RCECME). En este sentido, si el modelo es lineal todos los algoritmos tienen la misma eficiencia debido a que la RCECME de los valores estimados son pequeños, mientras que cuando el modelo es no lineal hay una marcada diferencia de la RCECME de valores estimados entre el filtro de Kalman extendido con respecto al muestreador de Gibbs y el filtro de partículas con remuestreo. |
| Palabras clave: | METODO DE MONTE CARLO | DISTRIBUCION NORMAL INVERSA GAUSSIANA | MODELOS ESPACIO ESTADO | |
| Solicitar por: | HEMEROTECA E + datos de Fuente |
*** No hay más registros para visualizar ***
>> Nueva búsqueda <<