Análisis Robusto de Series Temporales
El Análisis Robusto de Series Temporales ajusta modelos autorregresivos, de media móvil y ARIMA a series que contienen valores atípicos o quiebres estructurales, utilizando la M-estimación o la MM-estimación en lugar de los mínimos cuadrados ordinarios, de modo que unas pocas observaciones anómalas no distorsionen el ajuste. Sigue la tradición de la estadística robusta consolidada en Maronna, Martin, Yohai y Salibián-Barrera (2019).
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. ISBN: 978-1119214687
- Peña, D., & Guttman, I. (1988). A Bayesian Approach for Predicting with Outliers. Journal of the American Statistical Association. link ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/es/statistics/robust-time-series
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Análisis del punto de quiebreEstadística↔ compare
- Estimación por Desviación Absoluta Mediana (MAD)Estadística↔ compare
- Regresión por Mínimos Cuadrados Ordinarios (MCO)Econometría↔ compare
- Modelo lineal mixto robustoEstadística↔ compare
- Estimadores robustos de escala Sn y QnEstadística↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →