Una clase flexible de distribución normal de dos piezas con una ilustración de regresión a datos de fatiga biaxial
Autores: Salinas, Hugo; Bakouch, Hassan; Qarmalah, Najla; Martínez-Flórez, Guillermo
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Una clase flexible de distribución normal de dos piezas con una ilustración de regresión a datos de fatiga biaxial
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Distribución
Modelado
Datos univariados
Simetría
Parámetros
Simulación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
Utilizar una distribución normal de dos piezas para modelar datos univariados que presenten simetría, y uni/bimodalidad es notablemente efectivo. En este sentido, el valor del parámetro de forma determina si la unimodalidad o la bimodalidad está presente. Este artículo propone una distribución uni/bimodal flexible con densidad platicúrtica, que puede ser utilizada para simular una variedad de datos. El concepto se basa en la transformación de una variable aleatoria en una distribución plegada. Además, la clase propuesta incluye la distribución normal como un submodelo. En el estudio actual, se considera el método de máxima verosimilitud para derivar las principales propiedades estructurales y para la estimación de parámetros. Además, se presentan experimentos de simulación para evaluar el comportamiento de los estimadores. Finalmente, se presentan aplicaciones de ajuste y regresión para ilustrar la utilidad de la distribución propuesta para el modelado de datos en diferentes escenarios de la vida real.
Descripción
Utilizar una distribución normal de dos piezas para modelar datos univariados que presenten simetría, y uni/bimodalidad es notablemente efectivo. En este sentido, el valor del parámetro de forma determina si la unimodalidad o la bimodalidad está presente. Este artículo propone una distribución uni/bimodal flexible con densidad platicúrtica, que puede ser utilizada para simular una variedad de datos. El concepto se basa en la transformación de una variable aleatoria en una distribución plegada. Además, la clase propuesta incluye la distribución normal como un submodelo. En el estudio actual, se considera el método de máxima verosimilitud para derivar las principales propiedades estructurales y para la estimación de parámetros. Además, se presentan experimentos de simulación para evaluar el comportamiento de los estimadores. Finalmente, se presentan aplicaciones de ajuste y regresión para ilustrar la utilidad de la distribución propuesta para el modelado de datos en diferentes escenarios de la vida real.