Algoritmo EM para modelo de distribuciones mixtas con esquema de censura híbrida tipo-I
Autores: Tsai, Tzong-Ru; Lio, Yuhlong; Ting, Wei-Chen
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Algoritmo EM para modelo de distribuciones mixtas con esquema de censura híbrida tipo-I
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Expectation-maximization
Estimación de verosimilitud
Parámetros
Distribuciones mixtas
Métodos de arranque
Simulaciones de Monte Carlo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 36
Citaciones: Sin citaciones
Se propone un procedimiento de estimación de máxima verosimilitud de expectación y maximización (EM) para obtener estimaciones de máxima verosimilitud de los parámetros en un modelo de distribuciones mixtas basado en muestras censuradas híbridas de tipo I cuando las proporciones de la mezcla son desconocidas. Se aplican tres métodos de bootstrap para construir los intervalos de confianza de los parámetros del modelo. Se realizan simulaciones de Monte Carlo para evaluar el rendimiento de los métodos propuestos. Los resultados de la simulación muestran que los métodos propuestos pueden funcionar bien para obtener resultados de estimación de punto e intervalo confiables. Se utilizan tres ejemplos para ilustrar las aplicaciones de los métodos propuestos.
Descripción
Se propone un procedimiento de estimación de máxima verosimilitud de expectación y maximización (EM) para obtener estimaciones de máxima verosimilitud de los parámetros en un modelo de distribuciones mixtas basado en muestras censuradas híbridas de tipo I cuando las proporciones de la mezcla son desconocidas. Se aplican tres métodos de bootstrap para construir los intervalos de confianza de los parámetros del modelo. Se realizan simulaciones de Monte Carlo para evaluar el rendimiento de los métodos propuestos. Los resultados de la simulación muestran que los métodos propuestos pueden funcionar bien para obtener resultados de estimación de punto e intervalo confiables. Se utilizan tres ejemplos para ilustrar las aplicaciones de los métodos propuestos.