06/D137

Construcción de estimadores para modelar datos ambientales y sociales.
Building estimators to model environmental and social data.

Director: DIBLASI, Ángela Magdalena
Correo Electrónico: angelad@uncu.edu.ar

Co-Director: MAGLIONE, Dora Silvia

Integrantes: NARDECCHIA, Lucía; JULIAN, Francisca; D´AMELIO, Adriana; MORENO, Amable; REY TUDELA, Elsa Angélica; REPETTO, Liliana; ZABAL, María Elena; CAVALLER, Daniel.

Resumen Técnico: Cuando puede considerarse el supuesto de independencia temporal o espacial en un modelo probabilístico, los parámetros resultan constantes a través del tiempo o espacio y pueden estimarse por metodologías tradicionales de acuerdo al modelo subyacente. Un ejemplo de esto es la estimación de las varianzas explicadas por cada uno de los factores en un modelo factorial multivariado cuando se supone que las observaciones son independientes. Un segundo ejemplo, vinculado a los modelos de demanda AIDS (Almost Ideal Demand Systems) es la estimación de elasticidades a partir de un sistema de ecuaciones simultáneas. En estos dos últimos ejemplos, puede esperarse que la estimación de los parámetros como si no existiera dependencia espacial o temporal, cuando en realidad la hay, resulte muy alejada de ser adecuada. En este trabajo se propone analizar y construir una metodología estadística basada en el concepto de la ventana móvil. Con esta metodología se espera lograr estimadores eficientes para el análisis de la variabilidad y forma de dependencia de parámetros que varían a través del tiempo o espacio. Esto permitirá la modelación de situaciones de la realidad como los parámetros que miden valores esperados y relaciones de dependencia en el espacio y el tiempo en un modelo de pricing como el mencionado anteriormente y en uno de componentes principales.

Summary: Under the assumption of temporal and/or spatial independence in a probabilistic model, its parameters are constant through the time and/or space, respectively, and they can be estimated by traditional methodologies according to the underlying model. An example of this is the variance estimation explained by one of the factors in a multifactorial model under the assumption of independence of the observed variables. A second one, in the context of AIS models (Almost Ideal Demand Systems) is the estimation of elasticity from a system of simultaneous equations. In these two examples, the estimation of parameters under the assumption that the underlying variables are independent when actually they are not, can be very unrealistic and inadequate. In this work, an analysis of the problem and a proposal of a new methodology based on the idea of a moving window, are expected to be carried out.  This methodology will be focused to build estimators of covariance function and/or the variogram which gather the variability through time and/or space. It is expected that this new methodology can be appropriate to fit a modified AIDS model to data coming from the context of pricing and others models dealing with principal components.