Aportes a la Teoría y la Implementación del Método LSCR

Abstract

[ES] El método LSCR (Leave-out-Sign-dominant-Correlation-Regions) proporciona regiones de confianza para los parámetros de un sistema evaluando un conjunto de funciones de correlation calculadas a partir de los datos disponibles. Al confeccionar una aproximación para la región completa, el procedimiento debe repetirse para cada valor del vector de parámetros. Los atributos principales de LSCR son su validez para un conjunto de datos finitos y los escasos supuestos sobre el ruido. Sin embargo, el procedimiento necesita mucho esfuerzo computacional, lo que limita su aplicación a casos muy simples. En este trabajo se mejoran aspectos teóricos del método LSCR y se sugieren alternativas de implementación. También se lo compara, en términos del esfuerzo computacional, con Bootstrap, otra forma de obtener regiones de confianza.

[EN] The LSCR method (Leave-out-Sign-dominant-Correlation-Regions) provides confidence regions for the parameters of a system by evaluating a set of correlation functions calculated for the available data. To do the approximation for the whole region, the procedure must be repeated for each value of the parameter vector. The main attributes of LSCR are its validity for a finite set of data and the scarce asumptions on the noise. However, the procedure needs much computational effort, which limitates its application to very simple cases. In this work some theoretical aspects of the LSCR method are improved and some implementation altenatives are suggested. It is also compared, in terms of computational effort, with Bootstrap, another way to obtain confidence regions.