Estimadores de tipo MM para el modelo lineal multivariado

En esta tesis, proponemos una clase de estimadores robustos para modelos lineales multivariados. Basados en el enfoque de la MM estimación (Yohai 1987, [36]), calculamos los coeficientes de regresión y la matriz de covarianzas de los errores de forma simultánea. Estos estimadores tienen alto punto de ruptura y alta eficiencia asintótica bajo errores normales. Probamos la consistencia y normalidad asintótica asumiendo que los errores tienen una distribución elíptica. Describimos un algoritmo iterativo para el cálculo numérico de estos estimadores. Las ventajas de los estimadores propuestos sobre sus competidores se evidencian tanto en los datos simulados como en los reales. Finalmente, damos una aplicación de los MM-estimadores al análisis de correlación canónico mediante la definición de estimadores robustos para las coordenadas y correlaciones canónicas, y comparamos el desempeño de estos estimadores con el de otros estimadores robustos mediante un estudio de simulación. In this thesis, we propose a class of robust estimates formultivariate linearmodels. Based on the approach of MM estimation (Yohai 1987, [36]), we estimate the regression coefficients and the covariance matrix of the errors simultaneously. These estimates have both high breakdown point and high asymptotic efficiency under Gaussian errors. We prove consistency and asymptotic normality assuming errors with an elliptical distribution. We describe an iterative algorithm for the numerical calculation of these estimates. The advantages of the proposed estimates over their competitors are demonstrated through both simulated and real data. Finally, we give an application of the MM-estimates to the canonical correlation analysis by defining robust estimates for the canonical coordinates and correlations, and we compare the performance of these estimates with other robust estimates through a simulation study. Doctor en Ciencias Exactas, área Matemática