Un decepcionante método de «inferencia robusta» para GLMs de Poisson

[Quod si sal evanuerit in quo sallietur ad nihilum valet ultra nisi ut mittatur foras et conculcetur ab hominibus.]

Vuelvo con mi monotema de los últimos días: cómo hacer GLMs de Poisson robustos. Encuentro la tesis Robust Inference for Generalized Linear Models: Binary and Poisson Regression y pienso: ajá, será cuestión de copipegar.

Nada más lejos de la realidad. El método propuesto en la tesis está basado en asignaciones de pesos a las observaciones usando kernels con centros y anchuras basadas respectivamente en

m = \frac{1}{n} \sum_i y_i

y

s = \frac{1}{n} \sum_i (y_i - m)^2

Por lo que la anchura de los kernels es fija. Pero en mi problema hay zonas donde las  y_i son del entorno de 1000 y otras donde oscilan entre 0 y 1.

Muy afortunadamente para la autora de la tesis, ese problema no existe en los datos que usa de ejemplo. ¡Qué suerte la suya!

Un comentario sobre “Un decepcionante método de «inferencia robusta» para GLMs de Poisson

  1. Emilio 24 septiembre, 2020 21:48

    nonne ergo oportuitet te misereri conservi tui, sicut et ego tui misertus sum?

Comenta

Your email address will not be published.

Puedes usar estas etiquetas y atributos de HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.