Aplicaciones de la distribución predictiva a la robustez de los modelos dinámicos jerárquicos y a los contrastes de hipótesis

Abstract

ESTE TRABAJO CONSTA DE DOS CAPITULOS Y DOS APENDICES, EN EL PRIMER CAPITULO SE GENERALIZAN LOS RESULTADOS OBTENIDOS POR GIRON ET AL. (1992) PARA TRATAR LOS PROBLEMAS DE ROBUSTEZ EN MODELOS MAS COMPLEJOS QUE LOS ESTATICOS, COMO SON LOS MODELOS DINAMICOS Y LOS MODELOS JERARQUICOS DINAMICOS. ESTA GENERALIZACION ENTRAÑA UNA NUEVA COMPLEJIDAD, AHORA LAS OBSERVACIONES DE LA SERIE SON DEPENDIENTES, LOS PARAMETROS VARIAN CON EL TIEMPO Y CON LA JERARQUIA QUE OCUPAN EN EL MODELO. EN EL CAPITULO 2 SE TRATAN DETERMINADOS PROBLEMAS DE LOS CONTRASTES DE HIPOTESIS DESDE UNA PERSPECTIVA BAYESIANA NOVEDOSA Y SE ESTUDIA LA RELACION QUE EXISTE ENTRE ESTE TIPO DE CONTRASTE Y LOS OBTENIDOS TANTO DESDE EL PUNTO DE VISTA CLASICO COMO DESDE EL PUNTO DE VISTA BAYESIANO PARAMETRICO USUAL. LA GENESIS DE ESTE NUEVO ENFOQUE SE BASA EN LA IDEA DE CONTRASTAR HIPOTESIS REFERIDAS A MAGNITUDES OBSERVABLES EN VEZ DE HACERLO, COMO GENERALMENTE SE HACE, SOBRE VARIABLES NO OBSERVABLES, COMO SON LOS PARAMETROS QUE DESCRIBEN UN MODELO. LA MEMORIA CONCLUYE CON DOS APENDICES. EN EL APENDICE A SE RECOGEN ALGUNOS RESULTADOS TECNICOS QUE SON UTILIZADOS A LO LARGO DE ESTE TRABAJO. EN EL APENDICE B SE INCLUYEN ALGUNOS PROBLEMAS ABIERTOS Y FUTURAS LINEAS DE INVESTIGACION.