Por favor, use este identificador para citar o enlazar este ítem:
http://cimat.repositorioinstitucional.mx/jspui/handle/1008/865| DISTRIBUCIONES INFERENCIALES PARA ESTIMACIÓN DE DENSIDADES PREDICTIVAS Y PONDERACIÓN DE HIPÓTESIS | |
| VIDAL ALI GONZALEZ CUCURACHI | |
| Acceso Abierto | |
| Atribución-NoComercial | |
| Frecuentista Densidad predictiva | |
| Para modelos estadísticos paramétricos, la construcción de distribuciones de probabilidad sobre el espacio de parámetros que son dependientes de los datos disponibles, teniendo la forma específica de distribuciones posteriores, constituye un instrumento básico de los métodos inferenciales Bayesianos. Más generalmente, Hirotugu Akaike introdujo el término distribución inferencial (DI) para referirse a cualquier distribución sobre el espacio de parámetros dependiente de datos. Cualquier DI puede utilizarse como una distribución mezcladora o de ponderación probabilística aplicada sobre la distribución paramétrica del modelo, para obtener una estimación H de la distribución de m datos futuros que sigan la misma distribución F que los n datos de la muestra original disponible. Sobre esta base, Akaike propuso la esperanza de la divergencia de Kullback-Leibler de H con respecto a F (que denotamos KL(F;H)) como un criterio de calidad de una DI. Sin embargo, Akaike se limitó a considerar DI que son distribuciones posteriores con respecto a distribuciones previas especificadas. En la presente tesis se extiende este enfoque de Akaike en dos direcciones principales. 1) Se proponen métodos para construir DI sobre la base de la minimización de versiones empíricas del criterio KL(F;H). Esto provee un enfoque no Bayesiano (o frecuentista) para construir DI con clara interpretación estadística. 2) Además, se consideran espacios de parámetros estructurados, en el sentido de consistir en una familia finita de espacios de parámetros regulares. Esto incluye en especial el caso de hipótesis múltiples (simples o compuestas), lo que permite ofrecer un enfoque no Bayesiano para la ponderación probabilística de hipótesis. Ambas líneas de trabajo se integran en las propuestas elaboradas en esta tesis. Estas se formulan matemáticamente, se comentan sus fundamentos estadísticos y se ilustran sus comportamientos a través de simulaciones computacionales en diversos ejemplos simples. | |
| 01-02-2018 | |
| Trabajo de grado, maestría | |
| APLICACIÓN DE LA PROBABILIDAD | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Tesis del CIMAT |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| TE 664.pdf | 1.28 MB | Adobe PDF | Visualizar/Abrir |