Inferencia estadística sobre el parámetro de forma de la distribución Weibull generalizada inversa
Autores: Zhuang, Yan; Bapat, Sudeep R.; Wang, Wenjie
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Inferencia estadística sobre el parámetro de forma de la distribución Weibull generalizada inversa
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Inferencia estadística
Parámetro de forma
Distribución Weibull generalizada inversa
Estimación puntual
Estimación de intervalo de confianza
Estudios de simulación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
En este documento, proponemos metodologías de inferencia estadística para estimar el parámetro de forma de la distribución Weibull generalizada inversa (IGW). Específicamente, desarrollamos dos enfoques: (1) una estrategia de estimación de punto de riesgo limitado para y (2) un método de estimación de intervalo de confianza de precisión fija para . Para (1), introducimos una estrategia de estimación puramente secuencial, que teóricamente se muestra que posee propiedades deseables de eficiencia de primer orden. Para (2), presentamos un método que permite la determinación precisa del tamaño de la muestra sin necesidad de conocimiento previo de los otros dos parámetros de la distribución IGW. Para validar los métodos propuestos, realizamos extensos estudios de simulación que demuestran su efectividad y consistencia con los resultados teóricos. Además, se proporcionan aplicaciones de datos del mundo real para ilustrar aún más la aplicabilidad práctica de los procedimientos propuestos.
Descripción
En este documento, proponemos metodologías de inferencia estadística para estimar el parámetro de forma de la distribución Weibull generalizada inversa (IGW). Específicamente, desarrollamos dos enfoques: (1) una estrategia de estimación de punto de riesgo limitado para y (2) un método de estimación de intervalo de confianza de precisión fija para . Para (1), introducimos una estrategia de estimación puramente secuencial, que teóricamente se muestra que posee propiedades deseables de eficiencia de primer orden. Para (2), presentamos un método que permite la determinación precisa del tamaño de la muestra sin necesidad de conocimiento previo de los otros dos parámetros de la distribución IGW. Para validar los métodos propuestos, realizamos extensos estudios de simulación que demuestran su efectividad y consistencia con los resultados teóricos. Además, se proporcionan aplicaciones de datos del mundo real para ilustrar aún más la aplicabilidad práctica de los procedimientos propuestos.