Changeset c7db875 in tol
- Timestamp:
- Oct 4, 2010, 9:27:44 AM (16 years ago)
- Branches:
- 1941-docker-image-to-test, devel, master
- Children:
- c3a68a9
- Parents:
- f3c26fa
- File:
-
- 1 edited
-
doc/modeling/ARIMA_Estimate/brief_estimate.html (modified) (3 diffs)
Legend:
- Unmodified
- Added
- Removed
-
doc/modeling/ARIMA_Estimate/brief_estimate.html
rf3c26fa rc7db875 1516 1516 </TD> 1517 1517 <TD> 1518 <P ALIGN=CENTER>2</P> 1519 </TD> 1520 <TD> 1521 <P ALIGN=CENTER>-0.11</P> 1522 </TD> 1523 <TD> 1524 <P ALIGN=CENTER>0.02</P> 1525 </TD> 1526 <TD> 1527 <P ALIGN=CENTER>-5.04</P> 1528 </TD> 1529 <TD> 1518 1530 <P ALIGN=CENTER>0</P> 1519 1531 </TD> 1520 <TD> 1521 <P ALIGN=CENTER>-0.11</P> 1522 </TD> 1523 <TD> 1524 <P ALIGN=CENTER>0.02</P> 1525 </TD> 1526 <TD> 1527 <P ALIGN=CENTER>-5.04</P> 1532 </TR> 1533 <TR> 1534 <TD> 1535 <P ALIGN=CENTER>-0.57</P> 1536 </TD> 1537 <TD> 1538 <P ALIGN=CENTER>0.03</P> 1539 </TD> 1540 <TD> 1541 <P ALIGN=CENTER>0.04</P> 1542 </TD> 1543 <TD> 1544 <P ALIGN=CENTER>0.03</P> 1545 </TD> 1546 <TD> 1547 <P ALIGN=CENTER>input_7</P> 1548 </TD> 1549 <TD> 1550 <P ALIGN=CENTER>1</P> 1528 1551 </TD> 1529 1552 <TD> 1530 1553 <P ALIGN=CENTER>0</P> 1531 </TD>1532 </TR>1533 <TR>1534 <TD>1535 <P ALIGN=CENTER>-0.57</P>1536 </TD>1537 <TD>1538 <P ALIGN=CENTER>0.03</P>1539 </TD>1540 <TD>1541 <P ALIGN=CENTER>0.04</P>1542 </TD>1543 <TD>1544 <P ALIGN=CENTER>0.03</P>1545 </TD>1546 <TD>1547 <P ALIGN=CENTER>input_7</P>1548 </TD>1549 <TD>1550 <P ALIGN=CENTER>1</P>1551 </TD>1552 <TD>1553 <P ALIGN=CENTER>2</P>1554 1554 </TD> 1555 1555 <TD> … … 1640 1640 </P> 1641 1641 <P ALIGN=JUSTIFY>Obsérvese que aunque las t-student son casi 1642 todas bastante significativas, la significación conjuntade 41642 todas bastante significativas, la significación de 4 1643 1643 de las 12 variables es cero. El motivo es que el estadístico 1644 1644 t-student expresa tan sólo la distribución marginal de 1645 cada parámetro. En este caso, a la vista de los autovectores 1646 se deduce inmediatamente que existen estas 4 colinealidades</P> 1645 cada parámetro. En este caso, a la vista de los autovectores, 1646 se sabe que existen cuatro relaciones lineales que afectan a 12 1647 variables pero no está nada claro cual es la fora de resolver el 1648 problema: ¿qué variables sobran o están mal definidas por error? 1649 Lo que se hará es aplicar reducción gaussiana a las 4 columnas 1650 para simplificar las ecuaciones del kernel en busca de una base del 1651 mismo con una expresión con el mínimo de coeficientes no nulos. 1652 El resultado final es que existen estas 4 colinealidades irreducibles </P> 1647 1653 <H5 CLASS="western" STYLE="margin-top: 0.1cm; margin-bottom: 0.1cm; font-weight: medium; page-break-after: avoid"> 1648 1654 <FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2>Serie … … 1652 1658 <FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2>Serie 1653 1659 kernel_2 = 0*Output + (B^0):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_3</SPAN></FONT></FONT></FONT> 1654 - (B^0):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_4</SPAN></FONT></FONT></FONT>1655 + (B^ 1660 - (B^0):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_4</SPAN></FONT></FONT></FONT> 1661 + (B^7):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_4</SPAN></FONT></FONT></FONT>;</FONT></FONT></FONT></H5> 1656 1662 <H5 CLASS="western" STYLE="margin-top: 0.1cm; margin-bottom: 0.1cm; font-weight: medium; page-break-after: avoid"> 1657 1663 <FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2>Serie 1658 1664 kernel_3 = 0*Output + (B^0):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_5</SPAN></FONT></FONT></FONT> 1659 1665 - (B^0):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_6</SPAN></FONT></FONT></FONT> 1660 + (B^ 0):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_6</SPAN></FONT></FONT></FONT>;</FONT></FONT></FONT></H5>1666 + (B^2):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_6</SPAN></FONT></FONT></FONT>;</FONT></FONT></FONT></H5> 1661 1667 <H5 CLASS="western" STYLE="margin-top: 0.1cm; margin-bottom: 0.1cm; font-weight: medium; page-break-after: avoid"> 1662 1668 <FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2>Serie 1663 1669 kernel_4 = 0*Output + (B^2):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_7 1664 1670 </SPAN></FONT></FONT></FONT>- (B^2):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_7</SPAN></FONT></FONT></FONT> 1665 – (B^ 0):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_8</SPAN></FONT></FONT></FONT>;</FONT></FONT></FONT></H5>1666 <P ALIGN=JUSTIFY STYLE="margin-top: 0.1cm; margin-bottom: 0.1cm"> Estas1667 cuatro series, combinaciones lineales de inputs, son nulas en el1671 – (B^2):<FONT COLOR="#0000ff"><FONT FACE="Lucida Console, monospace"><FONT SIZE=2><SPAN STYLE="font-weight: medium">input_8</SPAN></FONT></FONT></FONT>;</FONT></FONT></FONT></H5> 1672 <P ALIGN=JUSTIFY STYLE="margin-top: 0.1cm; margin-bottom: 0.1cm"> 1673 Estas cuatro series, combinaciones lineales de inputs, son nulas en el 1668 1674 intervalo de estimación, es decir forman el núcleo de 1669 1675 la matriz de información J'J. La técnica es la misma
Note: See TracChangeset
for help on using the changeset viewer.
