Algoritmo EM en la distribución de Slash 2S-Lindley con aplicaciones
Autores: Muñoz, Héctor A.; Castillo, Jaime S.; Gallardo, Diego I.; Venegas, Osvaldo; Gómez, Héctor W.
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Algoritmo EM en la distribución de Slash 2S-Lindley con aplicaciones
Categoría
Matemáticas
Subcategoría
Análisis matemático
Palabras clave
Nueva distribución
Extensión slash
Variables aleatorias de Lindley
Metodología slash
Curtosis
Máxima verosimilitud
Algoritmo EM
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
En este trabajo, presentamos una nueva distribución, que es una extensión de barra inclinada de la distribución de la suma de dos variables aleatorias de Lindley independientes. Esta nueva distribución se desarrolla utilizando la metodología de barra inclinada, lo que resulta en una distribución con una curtosis más flexible, es decir, la capacidad de modelar datos atípicos. Estudiamos la función de densidad del nuevo modelo y algunas de sus propiedades, como la función de distribución acumulada, momentos, y sus coeficientes de asimetría y curtosis. Los parámetros se estiman mediante el método de máxima verosimilitud con el algoritmo EM. Finalmente, aplicamos el modelo propuesto a dos conjuntos de datos reales con alta curtosis, demostrando que proporciona un mejor ajuste que dos distribuciones conocidas en la literatura.
Descripción
En este trabajo, presentamos una nueva distribución, que es una extensión de barra inclinada de la distribución de la suma de dos variables aleatorias de Lindley independientes. Esta nueva distribución se desarrolla utilizando la metodología de barra inclinada, lo que resulta en una distribución con una curtosis más flexible, es decir, la capacidad de modelar datos atípicos. Estudiamos la función de densidad del nuevo modelo y algunas de sus propiedades, como la función de distribución acumulada, momentos, y sus coeficientes de asimetría y curtosis. Los parámetros se estiman mediante el método de máxima verosimilitud con el algoritmo EM. Finalmente, aplicamos el modelo propuesto a dos conjuntos de datos reales con alta curtosis, demostrando que proporciona un mejor ajuste que dos distribuciones conocidas en la literatura.