Untitled - Universidade de Santiago de Compostela
Untitled - Universidade de Santiago de Compostela
Untitled - Universidade de Santiago de Compostela
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
36 SII Análisis <strong>de</strong> los Mo<strong>de</strong>los <strong>de</strong> Tipo <strong>de</strong> Interés<br />
El Teorema 1.1 <strong>de</strong> Stute (1997) afirma que bajo la condición EY 2 < ∞,<br />
Rn D −→ R∞ en distribución (1)<br />
en el espacio <strong>de</strong> Skorokhod D[−∞, ∞], don<strong>de</strong> R∞ es un movimiento Browniano con<br />
respecto al tiempo<br />
T (x) =<br />
x<br />
−∞<br />
Consi<strong>de</strong>remos la hipótesis Nula<br />
var(Y |X = u)F (du) ≡<br />
H0 : m ∈ {mθ|θ ∈ Θ},<br />
x<br />
−∞<br />
σ 2 (u)F (du).<br />
entonces, para ˆ θ un estimador apropiado <strong>de</strong> θ, el Test <strong>de</strong> Bondad <strong>de</strong> ajuste se basa<br />
en el proceso<br />
R 1 n(x) = n −1/2<br />
n <br />
1 {Xi≤x} Yi − mˆ θ (Xi) .<br />
i=1<br />
El Teorema 1.2 <strong>de</strong> Stute (1997), afirma que bajo suposiciones generales, R1 n converge<br />
en distribución a un límite gaussiano centrado, R1 ∞, con una complicada estructura<br />
<strong>de</strong> covarianzas. Para aproximar la distribución <strong>de</strong>l proceso R1 n, Stute y otros (1998)<br />
proponen el uso <strong>de</strong> la metodología bootstrap.<br />
Para su implementación se proce<strong>de</strong> como sigue:<br />
, Y ∗ una remuestra bootstrap, que <strong>de</strong>finiremos posteriormente, y<br />
Sea {(X∗ i i )}ni=1 sea ˆ θ∗ un estimador calculado con dicha remuestra. La versión bootstrap <strong>de</strong> R1 n es<br />
R 1∗<br />
n (x) = n −1/2<br />
n<br />
i=1<br />
∗<br />
1 {X∗ i ≤x} Yi − mˆ θ∗(X ∗ i ) .<br />
Consi<strong>de</strong>rando el funcional continuo Tn = Ψ(R 1 n) se <strong>de</strong>fine el test estadístico, con<br />
región <strong>de</strong> rechazo <strong>de</strong> H0 si Tn > cα su valor crítico para un test <strong>de</strong> nivel α, es <strong>de</strong>cir,<br />
P (Tn > cα) = α,<br />
evi<strong>de</strong>ntemente cα se aproxima por c ∗ α satisfaciendo<br />
P ∗ (Ψ(R 1∗<br />
n ) > c ∗ α) = α,<br />
con P ∗ <strong>de</strong>notando la medida <strong>de</strong> probabilidad respecto <strong>de</strong> la muestra bootstrap.<br />
Mediante Monte Carlo<br />
c ∗ α = T ∗[B(1−α)]<br />
n<br />
el [B(1 − α)]-simo estadístico <strong>de</strong> or<strong>de</strong>n <strong>de</strong> las remuestras bootstrap calculado <strong>de</strong> las<br />
B remuestras bootstrap<br />
T ∗j<br />
n = Ψ(R 1∗j<br />
n ) j = 1 ... , B.