Estimaci

1
Estimación de modelos ARMA
2
Estimación MV

• Escribir la función de densidad de la muestra
• Suponer en esta función los datos fijos y los
  parámetros variables
• Tomar como estimadores los valores de los
  parámetros que maximizan esta función

3
Estimación Bayesiana

• Suponer una distribución a priori sobre los
  parámetros
• Escribir la probabilidad de obtener los datos
  dados los parametros
• Utilizar el teorema de Bayes para calcular la
  probabilidad a posteriori de los parámetros

4
(No Transcript)
5
(No Transcript)
6
(No Transcript)
7
(No Transcript)
8
(No Transcript)
9
(No Transcript)
10
(No Transcript)
11
Conclusión MVC

• La estimación condicional de un AR(p) es similar
  a la de un modelo de regresión
• En la hipótesis de normalidad, maximizar la la
  verosimilitud equivale a minimizar la suma de
  cuadrados
• La estimación de la media es la media muestral y
  la de la varianza la varianza de los residuos
  estimados

12
Estimación exacta AR
13
(No Transcript)
14
(No Transcript)
15
(No Transcript)
16
Estimación exacta ARMA
17
(No Transcript)
18
Modelos en espacio de los estados
19
(No Transcript)
20
(No Transcript)
21
(No Transcript)
22
(No Transcript)
23
(No Transcript)
24
(No Transcript)
25
(No Transcript)
26
(No Transcript)
27
(No Transcript)
28
(No Transcript)
29
(No Transcript)