摘要：La primera parte del estudio consiste en revisar nueve estimadores del parámetro autorregresivo de primer orden y proponer un estimador nuevo. Las relaciones y diferencias entre los estimadores se explican para conseguir una diferenciación mejor entre ellos. En la segunda parte del estudio se explora la precisión de la estimación de la autocorrelación. El rendimiento de los diez estimadores se compara en términos de error cuadrático medio, combinando sesgo y varianza, utilizando series de datos generadas mediante simulación Monte Carlo. Los resultados muestran que no hay un estimador óptimo para todas las condiciones, sugiriendo que el estimador a utilizar debería escogerse según la longitud de las series y la información disponible sobre la posible dirección de la dependencia serial. Además, la probabilidad de etiquetar una autocorrelación existente como estadísticamente significativa se estudió mediante muestreo Monte Carlo. Las pruebas asociadas con los diferentes estimadores muestran potencia similar, observándose que es poco probable detectar la dependencia serial si se dispone de menos de 20 medidas.
其他摘要：In the first part of the study, nine estimators of the first-order autoregressive parameter are reviewed and a new estimator is proposed. The relationships and discrepancies between the estimators are discussed in order to achieve a clear differentiation. In the second part of the study, the precision in the estimation of autocorrelation is studied. The performance of the ten lag-one autocorrelation estimators is compared in terms of Mean Square Error (combining bias and variance) using data series generated by Monte Carlo simulation. The results show that there is not a single optimal estimator for all conditions, suggesting that the estimator ought to be chosen according to sample size and to the information available on the possible direction of the serial dependence. Additionally, the probability of labelling an actually existing autocorrelation as statistically significant is explored using Monte Carlo sampling. The power estimates obtained are quite similar among the tests associated with the different estimators. These estimates evidence the small probability of detecting autocorrelation in series with less than 20 measurement times.
