Investigador publicó artículo sobre estadística computacional en prestigiosa revista científica
El docente investigador Gustavo Rivas, categorizado en el Programa Nacional de Incentivo a los Investigadores (PRONII) del Consejo Nacional de Ciencia y Tecnología (CONACYT) realizó la publicación del artículo “Computationally efficient approximations for independence tests in non-parametric regression” (aproximaciones computacionalmente eficientes para pruebas de independencia en regresión no paramétrica), en el Journal of Statistical Computation and Simulation; una prestigiosa revista científica especializada en estadísticas computacionales.
El artículo aborda los modelos de regresión no paramétricos, que son ampliamente utilizados para tal efecto. En la formulación del modelo se introduce una variable aleatoria que recoge todo el comportamiento no explicado por el modelo, conocido como error aleatorio. En estos modelos se asume que dicho error y la covariable son independientes. Algunos procedimientos se han desarrollado para probar esta hipótesis.
Además, el estudio tiene en cuenta una prueba que compara los estimadores del producto de las funciones características marginales de la covariable y el error y las funciones características conjuntas de ambas variables. Se propone aproximar la distribución nula del estadístico de contraste por medio de un estimador Bootstrap ponderado. Este estudio revela que, desde un punto de vista computacional, la aproximación propuesta es más eficiente que el Bootstrap (método estadístico) tradicional.
Este trabajo es una contribución para mejorar la exactitud de los modelos de regresión no paramétrica. Como la aplicación de este tipo de modelos en las ciencias es muy amplio, el espectro de aplicación también es grande. Cuando la relación entre dos variables no es muy evidente, normalmente se estiman mediante este tipo de modelos. Esta técnica de modelado permite que la estimación se logre siguiendo la estructura de los datos; sin hacer ninguna suposición inicial sobre el tipo de relación existente entre las variables.
Sobre el Investigador
Gustavo Rivas es Doctor en Estadística e Investigación Operativa (Sevilla, España), docente e investigador del Instituto Desarrollo. Sus áreas de conocimiento son las Ciencias Naturales, Matemáticas, Estadística y Probabilidad, Test de Bondad de Ajuste, entre otras.
