Estimadores de posición y escala multivariados de tipo MM en presencia de datos faltantes

Abstract

La mayoría de los procedimientos estadísticos clásicos están basados en modelos con hipótesis rígidas, tales como errores normales, observaciones equidistribuidas, etc. Bajo estas hipótesis se deducen procedimientos óptimos. Por ejemplo, para el caso de regresión el procedimiento óptimo es el de mínimos cuadrados; para modelos paramétricos en general, los procedimientos óptimos clásicos son los estimadores de máxima verosimilitud. Sin embargo, estos métodos son muy sensibles al incumplimiento de las hipótesis que los generaron, tales como la presencia en la muestra de observaciones atípicas. A la falta de robustez de los métodos de estimación clásicos se le suma otro problema común como son los datos faltantes. A pesar de que la presencia de valores atípicos y datos faltantes han sido individualmente muy estudiados, son pocos los trabajos que estudian ambos problemas en conjunto.