SENSIBILIDAD DE LOS ESTIMADORES (A,U,?)
DOI:
https://doi.org/10.15628/holos.2020.7282Palavras-chave:
Estimador (A, U, ?), Sensibilidad, Mal condicionamiento, Validación cruzada, Soporte de estimación.Resumo
La eficacia de una estimación puntual (A,U,?) depende de la cantidad y calidad de un conjunto de datos W y de la capacidad que tenga el modelo para: sacarle el máximo a las características positivas de W; y evitar sus características negativas. En este trabajo es analizada la sensibilidad de estos estimadores y en particular la causada por el mal condicionamiento de A, el cual ocasionalmente provoca que si hay pequeños cambios en el valor de los datos, se producen grandes cambios en los resultados. Se describe un procedimiento para detectar y evaluar estos problemas usando: Números de Condición, los errores de estimación y las pruebas de Validación Cruzada. Se proponen criterios para resolver el mal condicionamiento del estimador mediante el uso de suficientes cifras decimales significativas en los cálculos y algoritmos eficientes; también se recomienda la selección de modelos adecuados pero simples y el uso de soportes compactos. Finalmente se presenta un diagrama que facilita la comprensión del algoritmo para resolver los problemas de mal condicionamiento de los estimadores (A,U,?).Downloads
Referências
Álvarez Blanco, M., Guerra Hernández, A. y Lau Fernández, R. (2007). Matemática Numérica. La Habana: Editorial Félix Varela.
Arlot, S. y Celisse, A. (2010). A survey of cross-validation procedures for model selection. Statistics Surveys, 4, 40-79. DOI: 10.1214/09-SS054.
Borland International Inc (1988). Turbo Pascal Reference Manual. Version 3.0. California: ALPHA SYSTEMS CORPORATION. [Recuperado de: http://bitsavers.informatik.uni-stuttgart.de/pdf/ borland/turbo_pascal/TURBO_Pascal_Reference_Manual_CPM_Version_3_Dec88.pdf.
Burden, R. L. y Faires, J. D. (2005). Análisis Numérico. Séptima Edición. Ciudad Méjico: Editorial Thomson Learning.
Chilés, Jean-Paul y Delfiner, Pierre (1999). Geostatistics. Modeling Spatial Uncertainty. Canadá: John Wiley & Sons, Inc.
Díaz Viera, M. A. (2002). Geoestadística Aplicada. México: Instituto de Geofísica, UNAM e Instituto de Geofísica y Astronomía, CITMA de Cuba. Recuperado de http://mmc2.geofisica.unam.mx/cursos/geoest/GeoEstadistica.pdf.
Faddeev, D. K. y Faddeeva, V. N. (1963). Computational Methods of Linear Algebra. USA: W.H.Freeman & Co Ltd.
Hinrichsen, D. Y Fernández, J.L. (1977). Topología General. La Habana: Editorial Pueblo y Educación.
Isaacson, E. y Keller, H.B. (1994). Analysis of Numerical Method. New York: Dover Publications, Inc.
Lapidus, L (1962). Digital Computation for Chemical Engineers. New York: McGraw Hill Series in Chemical Engineering.
Legrá Lobaina, A. A. (2017). Modelos de malla basados en estimadores (A,U,?). Revista HOLOS, 33(4), 88-110. DOI:10.15628/holos.2017.5351.
Legrá Lobaina, A. A. (2018). Evaluación del error en estimaciones (A,U,?). Revista HOLOS, 33(4), 88-110. DOI:10.15628/holos.2017.5351.
Legrá Lobaina, A. A. y Atanes Beatón, D. M. (2010). Variogramas adaptativos: un método práctico para aumentar la utilidad del error de estimación por kriging. Revista Minería y Geología, 26(4), 53-78. Recuperado de http://revista.ismm.edu.cu/index.php/revistamg/article/download/63/69
Lendasse, L.; Wertz, V. y Verleysen, M. (2003). Model Selection with Cross-Validations and Bootstraps-Application to Time Series Prediction with RBFN Models. Berlín: Springer-Verlag Berlin. Recuperado de: http://www.di.ens.fr/willow/pdfs/2010_Arlot_Celisse_SS.pdf.
Miller, I., Freund, J. y Johnson, R. (2005). Probabilidades y Estadísticas para ingenieros. Cuarta Edición. México: Prentice-Hall Hispanoamericana S.A.
Polyanin, A. D. y Manzhirov, A. V. (2007). Handbook of mathematics for engineers and scientists. Florida: Chapman & Hall/CRC, Taylor & Francis Group.
Wolfram, S. (2003). Mathematica book, 5th Edition. USA: Wolfram Media Inc, USA. Recuperado de: http://deptche.ccu.edu.tw/Chemistry/Chem_Math/Mathematica_V5_Book.pdf.
Zhang, Y. y Yang, Y. (2015). Cross-Validation for Selecting a Model Selection Procedure. Journal of Econometrics, 187, 95-112. Recuperado de: http://users.stat.umn.edu/~yangx374/papers/ ACV_v30.pdf.
Português (Brasil)
English
Español (España)
Français (France)
