El modelo Gleser de colas pesadas: propiedades, estimación y aplicaciones
Autores: Olmos, Neveka M.; Gómez-Déniz, Emilio; Venegas, Osvaldo
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
El modelo Gleser de colas pesadas: propiedades, estimación y aplicaciones
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Distribuciones
Colas pesadas
Exposición al riesgo
Indicadores
Parámetros
Estimadores
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
En estadísticas actuariales, las distribuciones con colas pesadas son de gran interés para los actuarios, ya que representan una mejor descripción de la exposición al riesgo a través de un tipo de indicador con cierta probabilidad. Estos indicadores de riesgo se utilizan para determinar la exposición de las empresas a un riesgo particular. En este documento, presentamos una distribución con cola pesada a la derecha, estudiando sus propiedades y el comportamiento de la cola. Estimamos los parámetros utilizando el método de máxima verosimilitud y evaluamos el rendimiento de estos estimadores mediante Monte Carlo. Analizamos un conjunto de datos simulados y otro conjunto de datos reales, mostrando que la distribución estudiada puede utilizarse para modelar datos de ingresos.
Descripción
En estadísticas actuariales, las distribuciones con colas pesadas son de gran interés para los actuarios, ya que representan una mejor descripción de la exposición al riesgo a través de un tipo de indicador con cierta probabilidad. Estos indicadores de riesgo se utilizan para determinar la exposición de las empresas a un riesgo particular. En este documento, presentamos una distribución con cola pesada a la derecha, estudiando sus propiedades y el comportamiento de la cola. Estimamos los parámetros utilizando el método de máxima verosimilitud y evaluamos el rendimiento de estos estimadores mediante Monte Carlo. Analizamos un conjunto de datos simulados y otro conjunto de datos reales, mostrando que la distribución estudiada puede utilizarse para modelar datos de ingresos.