##plugins.themes.bootstrap3.article.main##

Hanwen Zhang

Resumen

En este artículo se consideran los modelos TAR cuando el proceso de ruido sigue una distribución t. Se desarrolla un procedimiento bayesiano para la estimación de estos modelos cuando el modelo está identificado, es decir, cuando se conocen los parámetros estructurales. El método consiste en encontrar las densidades condicionales a posteriori de los parámetros e implementar un muestreador de Gibbs. Mediante un ejemplo simulado se encuentra que con esta metodología se logran buenas estimaciones de los parámetros.

##plugins.themes.bootstrap3.article.details##

Palabras Clave

modelos TAR, ruido t, estimación bayesiana, muestreador de Gibbs

Referencias
Moreno, E. C. (2010), Modelos tar en series de tiempo financieras., Master’s thesis, Universidad Nacional de Colombia.

Nieto, F. H. (2005), ‘Modeling bivariate threshold autoregressive processes in the presence of missing data.’ Communications in Statistics, Theory and Met-hods.34, 905 – 930.

Nieto, F. H. (2008), ‘Forecasting with univariate tar models.’ Statistical Metho-dology.5, 263 – 276.

Tong, H. (1978), ‘On a thereshold model.’ Pattern Recognition and Signal Processing, Ed. C. H. Chen. Sijthoff & Noordhoff, Netherlands. NATO ASI Series E: Applied Sc.29, 575 – 586.

Tsay, R. S. (1998), ‘Testing and modeling multivariate threshold models.’, J. Amer. Statist. Assoc.93, 1188 – 1202.

Watanabe, T. (2001), ‘On sampling the degree-of-freedom of student’s-tdisturba-ces’, Satisticas & Probability Letters52, 177 – 181.
Cómo citar
Zhang, H. (2011). Estimación de los modelos TAR cuando el proceso del ruido sigue una distribución t. Comunicaciones En Estadística, 4(2), 109-119. https://doi.org/10.15332/s2027-3355.2011.0002.02
Sección
Artículos