PORCU AETUDI, EMILIOALEGRÍA JIMÉNEZ, ALFREDO ANTONIO2024-10-312024-10-312014https://repositorio.usm.cl/handle/123456789/67617Catalogado desde la versión PDF de la tesis.En los ultimos a~nos ha crecido el interes en proponer modelos de covarianza para campos aleatorios Gaussianos multivariados. Algunos de estos modelos de covarianza son muy exibles y pueden capturar la dependencia espacial, marginal y cruzada, de las componentes del campo aleatorio asociado. Sin embargo, metodos de estimacion efectivos para estos modelos son de alguna manera inexplorados. La estimacion de Maxima Verosimilitud es ciertamente una herramienta util pero es impracticable cuando el numero de observaciones es muy grande y/o el numero de componentes del campo multivariado es alta. En este trabajo consideramos dos tecnicas basadas en el enfoque de verosimilitud compuesta para la estimacion de modelos de covarianza multivariados. Ilustramos a traves de experimentos de simulacion que nuestros metodos ofrecen un buen balance entre eciencia estadstica y complejidad computacional. Finalmente, aplicamos estos resultados en el analisis de un conjunto de datos bivariado asociado a temperaturas y precipitaciones en America del Norte.CD ROMPapelesTesis de PregradoB - Solamente disponible para consulta en sala (opción por defecto)3560900227843