Imputación con muestreo irregular usando el proceso de difusión lognormal no homogéneo: casos particulares y aplicaciones
Este trabajo aborda el problema de la inferencia y la imputación en procesos de difusión lognormal no homogéneos cuando los datos son escasos y se observan en tiempos irregulares. Los métodos habituales suelen condicionar solo al pasado, lo que puede resultar inadecuado si no existen observaciones previas o estas están alejadas del instante de predicción. Proponemos ampliar este marco incorporando la observación más cercana al punto a imputar, ya ocurra en el pasado o en el futuro. Para distintos casos particulares del proceso lognormal no homogéneo, se obtienen sus distribuciones condicionadas a observaciones futuras para modelos relevantes, así como expresiones para la media, la moda y los cuantiles condicionados. Mediante un estudio de simulación motivado por datos de crecimiento fetal, se compara esta estrategia con la imputación basada solo en el pasado o en el futuro. Los resultados muestran una mejora sistemática en precisión, medida mediante MAE y RMSE.
Palabras clave: Imputación muestreo irregular proceso de difusión lognormal no homogéneo