Regresión no paramétrica mediante procesos de simulación

• Autor: Montes Quintana, Grabiela Yolanda
• Formato: tesis de maestría
• Fecha de Publicación: 2019
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/16488
• Enlace del recurso: https://hdl.handle.net/20.500.12672/16488
• Nivel de acceso: acceso abierto
• Materia: Análisis de regresión - Modelos matemáticos; Análisis de regresión; Teoría Spline; Métodos de simulación; https://purl.org/pe-repo/ocde/ford#1.01.03

Realiza una revisión preliminar de los modelos de regresión, presentando los modelos de regresión lineal simple y múltiple, conocidos como paramétricos. Luego se estudian los modelos de regresión no paramétricos, describiendo los más importantes. Finalmente se realiza un estudio de simulación para comparar dos modelos de regresión no paramétricos, Loess y suavización por Splines. Se utilizan diferentes funciones de regresión, como son funciones sin oscilaciones, con pocas oscilaciones y con muchas oscilaciones, también se utilizan diferentes distribuciones para el término de error del modelo de regresión, estos son simétricas, asimétricas hacia la izquierda y asimétricas hacia la derecha. Del estudio se obtiene como resultado un buen comportamiento del modelo de regresión no paramétrico por Splines, para los casos de modelos sin oscilaciones o con muchas oscilaciones. Concluye que en el caso de modelos con pocas oscilaciones ambos métodos son igualmente eficientes.