Resumen

Los estimadores robustos suelen carecer de una expresin de forma cerrada para el clculo de su matriz de covarianza residual. De hecho, tambin es un requisito previo obtener valores crticos para los residuos normalizados. Presentamos un enfoque basado en la simulacin Monte Carlo para calcular la matriz de covarianza residual y los valores crticos de los estimadores robustos. Aunque inicialmente se dise para estimadores robustos, el nuevo enfoque puede extenderse para otros procedimientos de ajuste. En este sentido, la propuesta se aplic tanto a los conocidos mnimos L1-norm como a los mnimos cuadrados en tres geometras de red de nivelacin diferentes. Los resultados muestran que (1) la matriz de covarianza de los residuos cambia junto con el estimador; (2) los valores crticos para la mnima L1-norma basados en una tasa de falsos positivos no pueden derivarse de distribuciones de prueba bien conocidas; (3) en contraste con los valores crticos para los residuos normalizados extremos en mnimos cuadrados, los valores crticos para la mnima L1-norma no tienden necesariamente a ser mayores a medida que aumenta la redundancia de la red.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Estimadores; Matriz de covarianzas; Valores críticos; Robusto; Simulación Monte Carlo; Procedimientos de ajuste
• Keywords:Estimators; Covariance matrix; Critical values; Robust; Monte Carlo simulation; Adjustment procedures