Hola,
¿eres nuevo aquí?

Registrate y conecta tu empresa con financiación pública, partners y proyectos.

PGC2018-095194-B-I00

Financiado

ESTIMACION Y CONTRASTES DE HIPOTESIS ROBUSTOS PARA DATOS DE ALTA DIMENSION BASAD...

ESTIMACION Y CONTRASTES DE HIPOTESIS ROBUSTOS PARA DATOS DE ALTA DIMENSION BASADOS EN LA DIVERGENCIA DE POTENCIAS DE DENSIDAD EN PROYECTOS ANTERIORES SE HA ANALIZADO, EN DIVERSOS MODELOS ESTADISTICOS, LA IMPORTANCIA DE LOS ESTIMADORES BASADOS EN LA MINIMIZACION DE LA DIVERGENCIA DE POTENCIAS DE DENSIDAD (DPD) A LA HORA DE CONSTRUIR ESTADISTICOS PARA CO... ver más

01/01/2018

UCM

32K€

Presupuesto del proyecto: 32K€

Líder del proyecto

Universidad Complutense de Madrid No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 3274

Ver Participantes

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2018-01-01

0% 100%

Participantes

UCM

Lider

Proyectos interesantes

MTM2015-67057-P ESTIMACION Y CONTRASTES ROBUSTOS BASADOS EN MEDIDAS DE DIVER... 43K€ Cerrado

MTM2009-07302 SUFICIENCIA E INVARIANZA, ESTIMACION DE DENSIDADES Y MODELIZ... 6K€ Cerrado

FLEX Flexible Statistical Inference 2M€ Cerrado

BayCause High-dimensional nonparametric Bayesian causal inference 2M€ Cerrado

PrSc-HDBayLe Provable Scalability for high-dimensional Bayesian Learning 1M€ Cerrado

MTM2012-33740 VEROSIMILITUD EMPIRICA Y ALGUNOS CONTRASTES DE HIPOTESIS GEN... 37K€ Cerrado

Últimas noticias

25-11-2024: ECE En las últimas 48 horas el Organismo ECE ha otorgado 52 concesiones

25-11-2024: CMVAMADRID En las últimas 48 horas el Organismo CMVAMADRID ha otorgado 1 concesiones

25-11-2024: FUNDACION-EOI En las últimas 48 horas el Organismo FUNDACION EOI ha otorgado 6 concesiones

Líder del proyecto

Universidad Complutense de Madrid

Total investigadores 3274

Presupuesto del proyecto 32K€

Descripción del proyecto EN PROYECTOS ANTERIORES SE HA ANALIZADO, EN DIVERSOS MODELOS ESTADISTICOS, LA IMPORTANCIA DE LOS ESTIMADORES BASADOS EN LA MINIMIZACION DE LA DIVERGENCIA DE POTENCIAS DE DENSIDAD (DPD) A LA HORA DE CONSTRUIR ESTADISTICOS PARA CONTRASTES DE HIPOTESIS DEL TIPO WALD (FAMILIA DE ESTADISTICOS DE CONTRASTE BASADOS EN EL ESTIMADOR DE MINIMA DPD), ESTOS, PRESENTAN UNA GRAN GANANCIA EN ROBUSTEZ EN LO QUE HACE REFERENCIA TANTO AL NIVEL DE SIGNIFICACION COMO A LA POTENCIA, SIN UNA PERDIDA CONSIDERABLE DE EFICIENCIA, EL EXCELENTE COMPORTAMIENTO DE LOS ESTIMADORES DE MINIMA DPD ASI COMO LOS ESTADISTICOS DE CONTRASTE TIPO WALD BASADOS EN EL ESTIMADOR DE MINIMA DPD HAN MOTIVADO EL PRESENTE PROYECTO, ESTE PROYECTO SE ENCUADRA DENTRO DE LA INFERENCIA ESTADISTICA PARA DATOS DE ALTA DIMENSION (PROCEDIMIENTOS ESTADISTICOS DISEÑADOS CUANDO EL NUMERO DE PARAMETROS ES MUCHO MAYOR QUE EL TAMAÑO DE LA MUESTRA) Y EL OBJETIVO, POR UN LADO, ES EL DE ENCONTRAR METODOS DE REGULARIZACION CON FUNCION DE PERDIDA DPD Y FUNCIONES DE PENALIZACION L1 Y PENALIZACIONES NO CONCAVAS Y POR OTRO, ESTADISTICOS DE CONTRASTE QUE SEAN ROBUSTOS SIN PERDER SUSTANCIAL EFICIENCIA, CONVIENE DESTACAR QUE NO SON MUCHOS LOS TRABAJOS EN LOS QUE APARECEN CONTRASTES ROBUSTOS PARA DATOS DE ALTA DIMENSION, LA EVOLUCION TAN ESPECTACULAR DE LOS ORDENADORES Y LA TECNOLOGIA DE RECOGIDA DE DATOS, HA PRODUCIDO UN CAMBIO SUSTANCIAL EN LA METODOLOGIA DE LAS APLICACIONES PRACTICAS DE ANALISIS DE DATOS, DE MODO QUE ES HABITUAL ENCONTRAR SITUACIONES EN LAS QUE SE DISPONE DE UN NUMERO MENOR DE UNIDADES EXPERIMENTALES EN COMPARACION CON LA DIMENSION DE LAS VARIABLES EN ESTUDIO, ESTAS SITUACIONES SE PRESENTAN EN AREAS TAN DISPARES COMO LA GENETICA Y LA BIOINFORMATICA; QUIMIOMETRIA; ECONOMETRIA; GENOMICA; PROCESAMIENTO DE IMAGENES, MICROARRAYS, CLASIFICACION DE DOCUMENTOS, ASTRONOMIA, CIENCIAS ATMOSFERICAS, ETC, EN CONSECUENCIA SE HA CONVERTIDO EN UN AREA DE INVESTIGACION, DENTRO DE LA ESTADISTICA, MUY DINAMICA EN LOS ULTIMOS AÑOS, SE ESPERA QUE LOS RESULTADOS NO SOLO TENDRAN UN IMPACTO IMPORTANTE DESDE EL PUNTO DE VISTA TEORICO, EN EL AREA DE LA ESTADISTICA MATEMATICA, SINO QUE TAMBIEN SE PROPORCIONARAN MEJORES RESULTADOS CUANDO EN LAS AREAS SEÑALADAS ANTERIORMENTE SE REQUIERAN MODELIZAR DATOS DE ALTA DIMENSION, ESTADÍSTICA PARA DATOS DE ALTA DIMENSIÓN\MÉTODOS DE REGULARIZACIÓN: PROCEDIMIENTO\MODELOS RALOS\PROPIEDAD ORÁCULO\PREDICCIÓN DE LA SUPERFICIE DE RESPUESTA\ÉSTIMACIÓN DEL VERDADERO VALOR\SELECCIÓN DE VARIABLES\DIVERGENCIA DE POTENCIAS DE DENSIDAD (DP\ESTIMACIÓN ROBUSTA DE MÍNIMA DPD\CONTRASTES DE HIPÓTESIS ROBUSTOS BASADOS

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores