Inferencia bayesiana y no bayesiana para la distribución generalizada de Pareto basada en una muestra censurada progresiva de tipo II
Autores: Hu, Xuehua; Gui, Wenhao
Idioma: Inglés
Editor: MDPI
Año: 2018
Acceso abierto
Artículo científico
2018
Inferencia bayesiana y no bayesiana para la distribución generalizada de Pareto basada en una muestra censurada progresiva de tipo II
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Máxima verosimilitud
Estimadores
Distribución generalizada de Pareto
Intervalos de confianza
Cadena de Markov Monte Carlo
Estudio de simulación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
En este documento, primero consideramos los estimadores de máxima verosimilitud para dos parámetros desconocidos, la confiabilidad y las funciones de riesgo de la distribución Pareto generalizada bajo una muestra progresivamente censurada de Tipo II. Luego, discutimos los intervalos de confianza asintóticos para los dos parámetros desconocidos, la confiabilidad y las funciones de riesgo utilizando el método delta. Posteriormente, basándonos en el algoritmo de bootstrap, obtenemos otros dos pares de intervalos de confianza aproximados. Además, aplicando técnicas de Monte Carlo de Cadena de Markov, derivamos las estimaciones bayesianas de los dos parámetros desconocidos, la confiabilidad y las funciones de riesgo bajo varias funciones de pérdida balanceadas y los intervalos de confianza correspondientes. Se realizó un estudio de simulación para comparar el rendimiento de los estimadores propuestos. Se llevó a cabo un análisis de un conjunto de datos reales para ilustrar los métodos propuestos.
Descripción
En este documento, primero consideramos los estimadores de máxima verosimilitud para dos parámetros desconocidos, la confiabilidad y las funciones de riesgo de la distribución Pareto generalizada bajo una muestra progresivamente censurada de Tipo II. Luego, discutimos los intervalos de confianza asintóticos para los dos parámetros desconocidos, la confiabilidad y las funciones de riesgo utilizando el método delta. Posteriormente, basándonos en el algoritmo de bootstrap, obtenemos otros dos pares de intervalos de confianza aproximados. Además, aplicando técnicas de Monte Carlo de Cadena de Markov, derivamos las estimaciones bayesianas de los dos parámetros desconocidos, la confiabilidad y las funciones de riesgo bajo varias funciones de pérdida balanceadas y los intervalos de confianza correspondientes. Se realizó un estudio de simulación para comparar el rendimiento de los estimadores propuestos. Se llevó a cabo un análisis de un conjunto de datos reales para ilustrar los métodos propuestos.