Inferencia bayesiana en un modelo de regresión cuantílica semiparamétrico

• Autor: Agurto Mejía, Hugo Miguel
• Formato: tesis de maestría
• Fecha de Publicación: 2013
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.pucp.edu.pe:20.500.12404/6174
• Enlace del recurso: http://hdl.handle.net/20.500.12404/6174
• Nivel de acceso: acceso abierto
• Materia: Estadística bayesiana; Análisis de regresión; Variables (Estadística); Procesos de Markov; Método de Monte Carlo; https://purl.org/pe-repo/ocde/ford#1.01.03

Este trabajo propone un Modelo de Regresión Cuantílica Semiparamétrico. Nosotros empleamos la metodología sugerida por Crainiceanu et al. (2005) para un modelo semiparamétrico en el contexto de un modelo de regresión cuantílica. Un enfoque de inferencia Bayesiana es adoptado usando Algoritmos de Montecarlo vía Cadenas de Markov (MCMC). Se obtuvieron formas cerradas para las distribuciones condicionales completas y así el algoritmo muestrador de Gibbs pudo ser fácilmente implementado. Un Estudio de Simulación es llevado a cabo para ilustrar el enfoque Bayesiano para estimar los parámetros del modelo. El modelo desarrollado es ilustrado usando conjuntos de datos reales.