Estimadores de regresión beta para la media poblacional en muestreo probabilístico: teoría y aplicaciones

Vista sencilla de ítem
dc.contributor.authorPacheco Lopez, Mario Joséspa
dc.contributor.authorTellez Piñerez, Cristian Fernandospa
dc.contributor.cvlachttp://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000775479spa
dc.contributor.cvlachttp://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000016463spa
dc.contributor.googlescholarhttp://scholar.google.es/citations?user=a5SEoPgAAAAJ&hl=esspa
dc.contributor.googlescholarhttps://scholar.google.es/citations?user=PJ6JUFwAAAAJ&hl=esspa
dc.contributor.orcidhttps://orcid.org/0000-0003-0552-9643spa
dc.contributor.orcidhttps://orcid.org/0000-0003-3869-1831spa
dc.coverage.campusCRAI-USTA Bogotáspa
dc.date.accessioned2020-04-20T15:42:01Zspa
dc.date.available2020-04-20T15:42:01Zspa
dc.date.issued2019-08spa
dc.descriptionEn muestreo probabilístico es común tener información auxiliar disponible para los elementos de la población de interés. Los estimadores de regresión son un tipo de estimadores que hacen uso eficiente de dicha información auxiliar. En este trabajo se considera la estimación de la media de variables beta distribuidas. Se propone la construcción de un estimador de regresión beta (BREG) para situaciones en las que la variable de interés está restringida a un intervalo (0,1) y está relacionada con variables auxiliares a través de una estructura de regresión lineal o no lineal. También se tratan los casos importantes de modelos de regresión beta 0-1 inflados y de dispersión variable. Ilustraremos la metodología a través de una aplicación con información proveniente del DANE de las encuestas de hogares, particularmente, la encuesta de calidad de vida.spa
dc.description.abstractIn probabilistic sampling it is common to have auxiliary information available for the elements of the population of interest. Regression estimators are a type of estimator that makes efficient use of this auxiliary information. In this work the estimation of the mean of distributed beta variables is considered. The construction of a beta regression estimator (BREG) is proposed for situations in which the variable of interest is restricted to an interval (0.1) and is related to auxiliary variables through a linear or nonlinear regression structure. Important cases of inflated and variable dispersion beta 0-1 regression models are also discussed. We will illustrate the methodology through an application with information from DANE from household surveys, particularly the quality of life survey.spa
dc.description.domainhttp://unidadinvestigacion.usta.edu.cospa
dc.format.mimetypeapplication/pdfspa
dc.identifier.doihttps://doi.org/10.15332/dt.inv.2020.01349spa
dc.identifier.urihttp://hdl.handle.net/11634/22602
dc.relation.referencesBinder, D. A. (1983). On the variances of asymptotically normal estimators from complex surveys. International Statistical Review 51, 279-292.spa
dc.relation.referencesBreidt, F. J., Opsomer, J. D. (2000). Local polynomial regression estimators in survey sampling. Annals of Statistics 28, 1026-1053.spa
dc.relation.referencesCassel, C. M., Särndal, C. E., Wretman, J. (1976). Foundations of Inference in Survey Sampling. Wiley, New York, United States.spa
dc.relation.referencesChen, J., Qin, J. (1993). Empirical likelihood estimation for finite populations and the efectivene usage of auxiliary information. Biometrika 80, 107-116.spa
dc.relation.referencesDepartamento Administrativo Nacional de Estadística (DANE) (2019). Metodología general encuesta nacional de calidad de vida - ECV.. Bogotá D.C.spa
dc.relation.referencesDeville, J. C., Särndal, C. E. (1992). Calibration estimators in survey sampling. Journal of the American Statistical Association 87, 376-382.spa
dc.relation.referencesFerrari S. L. P. and Cribari-Neto F. (2004). Beta regression for modelling rates and proportions. Journal of Applied Statistics 31, 7, 799-815.spa
dc.relation.referencesKennel, T. L.,Valliant, R. (2010). Losgistic generalized regression (LGREG) estimator in cluster samples. Proceedings of the section on survey research methods, Washington D.C., American Statistical Association, 4756-4770.spa
dc.relation.referencesLehtonen, R., Veijanen, A. (1998). Logistic generalized regression estimators. Survey Methodology 24, 51-55.spa
dc.relation.referencesOspina, R., Ferrari, S. L. P. (2012). A general class of zero-or-one inflated beta regression models. Computational Statistics and Data Analysis 56, 1609-1623.spa
dc.relation.referencesRondon, L. M., Vanegas, L. H., Ferraz, C. (2012). Finite population estimation under generalized linear model assistance. Computational Statistics and Data Analysis 56, 680-697.spa
dc.relation.referencesSärndal, C. E. (1980). On π -inverse weighting versus best linear unbiased weighting in probability sampling. Biometrika 67, 639-650.spa
dc.relation.referencesSimas, A., Barreto-Souza, W., Rocha, A. V. (2010). Improved estimators for a general class of beta regression models. Computational Statistics and Data Analysis 56, 1609-1623.spa
dc.relation.referencesSmithson, M. and Verkuilen, J. (2006). A better lemon squeezer? Maximum-likelihood regression with beta-distributed dependent variables. Psychological Methdos 11, 54-71.spa
dc.rightsAtribución-NoComercial-CompartirIgual 2.5 Colombia*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/co/*
dc.subject.keywordAuxiliary informationspa
dc.subject.keywordBeta distributionspa
dc.subject.keywordBeta regression modelsspa
dc.subject.keywordMaximum pseudo likelihoodspa
dc.subject.keywordRegression estimatorsspa
dc.subject.keywordPollsspa
dc.subject.keywordQuality of life  spa
dc.subject.proposalInformación auxiliarspa
dc.subject.proposalDistribución betaspa
dc.subject.proposalModelos de regresión betaspa
dc.subject.proposalMáxima pseudo verosimilitudspa
dc.subject.proposalEstimadores de regresiónspa
dc.subject.proposalEncuestasspa
dc.subject.proposalCalidad de vidaspa
dc.titleEstimadores de regresión beta para la media poblacional en muestreo probabilístico: teoría y aplicacionesspa
dc.type.categoryFormación de Recurso Humano para la Ctel: Proyecto ejecutado con investigadores en empresas, industrias y Estadospa

Archivos

Bloque original

Mostrando 1 - 4 de 4
Miniatura
Nombre:
2019mariopacheco1.pdf
Tamaño:
1.16 MB
Formato:
Adobe Portable Document Format
Descripción:
Acta Proyectos Fodein 2020
Descargar
Thumbnail USTA
Nombre:
2019mariopacheco2.docx
Tamaño:
292.12 KB
Formato:
Microsoft Word XML
Descripción:
FODEIN 2020
Descargar
Miniatura
Nombre:
2019mariopacheco3.pdf
Tamaño:
3.2 MB
Formato:
Adobe Portable Document Format
Descripción:
TURNITIN FODEIN 2020
Descargar
Miniatura
Nombre:
2019mariopacheco4.jpeg
Tamaño:
61.92 KB
Formato:
Joint Photographic Experts Group/JPEG File Interchange Format (JFIF)
Descripción:
Unidad de investigación FODEIN 2020
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Thumbnail USTA
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

USTADÍSTICA