| Summary: | Resumen: 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 correlación 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. Palabras clave: Error de modelado, Error de predicción, Estimación de parámetros, Incertidumbre, Muestras finitas, Método Bootstrap, Método LSCR, PEM, Simulación de Monte Carlo
|
|---|
