ESTIMACIÓN ROBUSTA DEL PARÁMETRO DE SUAVIZAMIENTO EN P-SPLINES

SCHWARZENBERG MILLAR, CARLOS ALEJANDRO (2016)

Catalogado desde la version PDF de la tesis.

Tesis Pregrado

Para seleccionar el parámetro de suavizamiento en la regresión on P-spline se han propuesto varios métodos en la literatura, algunos de los más populares son validación cruzada (CV) y el criterio de información de Akaike (AIC). En este trabajo se ha desarrollado una herramienta para seleccionar el parámetro de suavizamiento en la regresión P-spline [Eilers y Marx, 1996] a la par que se realiza el ajuste de la curva a los datos, este método utiliza un modelo de mezcla de escala de normales [Andrews y Mallows, 1974] por lo que es robusto ante la presencia de observaciones escapadas (outliers). Los cálculos se llevan a cabo mediante el algoritmo EM anidado [van Dyk, 2000], el cual es una variante computacionalmente eficiente del algoritmo EM usual. Luego se realizan estimaciones del error estándar de los par ametros mediante el trabajo de Oakes [1999], en el cual se presenta una ecuación para calcular la matriz Hessiana en el algoritmo EM. Finalmente se han hecho pruebas de rendimiento al algoritmo para medir su desempeño en t erminos de tiempo de ejecución y calidad de las respuestas.