Una comparación de dos métodos gráficos para detectar dependencia
Artículo barra lateral
PDF (English)
FLIP
Sección: ARTÍCULOS DE INVESTIGACIÓN / RESEARCH PAPERS
Cómo citar
Guarín-Escudero, J., Jaramillo-Elorza, M. C., & Lopera-Gómez, C. (2018). Una comparación de dos métodos gráficos para detectar dependencia. CIENCIA EN DESARROLLO, 9(1), 71-88. https://doi.org/10.19053/01217488.v9.n1.2018.5490
Formatos de citación
Contenido principal del artículo
Autores
Julieth V. Guarín-EscuderoMario C. Jaramillo-Elorza
Carlos M. Lopera-Gómez
Resumen
Las cópulas se han convertido en una herramienta útil para modelar datos cuando existe una dependencia entre las variables aleatorias y el supuesto de normalidad no se cumple. Las cópulas se han aplicado en diversos campos, tales como finanzas, estudios biomédicos y en ingeniería. El interés en modelar problemas multivariados que involucran variables dependientes se generaliza en diversas áreas, haciendo de esta metodología una forma conveniente para modelar la estructura de dependencia entre las variables aleatorias. Sin embargo, en la práctica un primer paso antes de empezar a modelar fenómenos mediante cópulas es evaluar si existe dependencia entre las variables involucradas y en qué grado. En este artículo algunos métodos gráficos para detectar dependencia son discutidos y el desempeño de los mismos se evaluará a través de un estudio de simulación. Se ilustran los métodos gráficos presentados mediante una aplicación a datos de seguros.
Palabras clave:
Detalles del artículo
Referencias
[1] Escarela, G. and Hernández, A. “Modelado de parejas aleatorias usando cópulas”, Revista Colombiana de Estadística 32(1), 33–58, 2009.
[2] Genest, C. and Favre, A. “Everything you always wanted to know about copula modeling but were afraid to ask”, Journal of Hydrologic Engineering 12(4), 347–368, 2007.
[3] Nelsen, R. An Introduction to Copulas, Springer
Science & Business Media, 2007.
[4] Fisher, N. and Switzer, P. “Chiplots for assessing
dependence”, Biometrika 72(2), 253–265,1985.
[5] Genest, C. and Boies, J. “Detecting dependence with Kendall plots”, The American Statistician 57(4), 275–284, 2003.
[6] Embrechts, P., Lindskog, F. and McNeil, A.
“Modelling dependence with copulas and applications to risk management”, Technical Report, Department of Mathematics, ETH Zürich,2001.
[7] Joe, H. Multivariate models and dependence concepts, Chapman and Hall/CRC, 1997.
[8] Cintas del Río, R. “Teoría de cópulas y control de riesgo financiero”, PhD thesis, Universidad Complutense de Madrid, 2007.
[9] Moreno, D. C. “Método para elegir una cópula Arquimediana óptima”, Master’s thesis, Universidad Nacional de Colombia, 2012.
[10] R Core Team R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria, 2015.
[2] Genest, C. and Favre, A. “Everything you always wanted to know about copula modeling but were afraid to ask”, Journal of Hydrologic Engineering 12(4), 347–368, 2007.
[3] Nelsen, R. An Introduction to Copulas, Springer
Science & Business Media, 2007.
[4] Fisher, N. and Switzer, P. “Chiplots for assessing
dependence”, Biometrika 72(2), 253–265,1985.
[5] Genest, C. and Boies, J. “Detecting dependence with Kendall plots”, The American Statistician 57(4), 275–284, 2003.
[6] Embrechts, P., Lindskog, F. and McNeil, A.
“Modelling dependence with copulas and applications to risk management”, Technical Report, Department of Mathematics, ETH Zürich,2001.
[7] Joe, H. Multivariate models and dependence concepts, Chapman and Hall/CRC, 1997.
[8] Cintas del Río, R. “Teoría de cópulas y control de riesgo financiero”, PhD thesis, Universidad Complutense de Madrid, 2007.
[9] Moreno, D. C. “Método para elegir una cópula Arquimediana óptima”, Master’s thesis, Universidad Nacional de Colombia, 2012.
[10] R Core Team R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria, 2015.
Descargas
La descarga de datos todavía no está disponible.
