Métodos robustos para regresión lineal

23/8, 12h

Seminario del Departamento

El Departamento de Matemáticas y Estadística de la Universidad Torcuato Di Tella invita al seminario sobre Métodos robustos para regresión lineal, a cargo de Víctor Yohai (profesor emérito de la Facultad de Ciencias Exactas y Naturales de la UBA, investigador superior del CONICET y miembro de la Academia de Ciencias Exactas, Físicas y Naturales).

Abstract
El estimador más popular para regresión lineal (y no lineal) es el estimador de mínimos cuadrados. Este estimador es óptimo si los errores son normales, en el sentido que es el estimador insesgado de mínima varianza. Sin embargo, este estimador es muy sensible a la presencia de unas pocas observaciones atípicas (outliers) que, aun una sola, pueden tener una enorme influencia sobre este estimador, de modo que el resultado deje de reflejar el comportamiento de la gran mayoría de las observaciones. Estimadores que no son mayormente afectados por la presencia de outliers se denominan robustos. Vamos a presentar varios estimadores robustos para regresión lineal que se propusieron analizando sus ventajas y desventajas, hasta llegar a nuestra última propuesta, los distance constrained maximum likelihood. Estos estimadores son altamente robustos y prácticamente tan eficientes como mínimos cuadrados cuando no hay outliers y los errores son normales. También se comentará sobre el software de público dominio con el cual se pueden calcular estos estimadores.



Lugar: Sala Principal 3er piso. Campus Di Tella: Av. Figueroa Alcorta 7350, Ciudad de Buenos Aires.
Contacto: Departamento de Matemáticas y Estadística