Estimación no paramétrica en transformaciones de variables aleatorias
Los métodos no paramétricos (Kernel), permiten usar los datos observados para estimar la función de densidad de la variable aleatoria asociada. Por otro lado, el Teorema de cambio de variable, permite establecer la ley de probabilidades tras los datos transformados por alguna función usualmente monó...
সংরক্ষণ করুন:
| প্রধান লেখক: | |
|---|---|
| বিন্যাস: | bachelorThesis |
| ভাষা: | spa |
| প্রকাশিত: |
2019
|
| বিষয়গুলি: | |
| অনলাইন ব্যবহার করুন: | http://www.dspace.uce.edu.ec/handle/25000/19325 |
| ট্যাগগুলো: |
ট্যাগ যুক্ত করুন
কোনো ট্যাগ নেই, প্রথমজন হিসাবে ট্যাগ করুন!
|
ট্যাগ যুক্ত করুন | সংক্ষিপ্ত: | Los métodos no paramétricos (Kernel), permiten usar los datos observados para estimar la función de densidad de la variable aleatoria asociada. Por otro lado, el Teorema de cambio de variable, permite establecer la ley de probabilidades tras los datos transformados por alguna función usualmente monótona; esto supone que la ley de los datos originales es conocida, lo cual no siempre es posible. Este proyecto de investigación pretende plantear una metodología que permita estimar la ley de probabilidades de una variable aleatoria transformada. A manera de ilustración, se plantean los modelos econométricos: Diferencias simples, Diferencias relativas y Diferencias en Diferencias, se estima la función de densidad de los datos originales mediante el método Kernel y aplicando el teorema de cambio de variable se estiman las densidades de los modelos econométricos planteados. Se implementa resultados a registros de nacidos vivos en Quito y Guayaquil de los años 1992 al 2016. Se contrasta pesos y tallas de los recién nacidos según el año y posterior se compara datos del año 2001 con los del 2010 y las dos ciudades. |
|---|