Mejora de inferencias bayesianas para datos Birnbaum-Saunders censurados a la derecha
Autores: Jayalath, Kalanka P.
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Mejora de inferencias bayesianas para datos Birnbaum-Saunders censurados a la derecha
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Inferencias bayesianas
Distribución de Birnbaum-Saunders
Muestreador de Gibbs
Datos censurados
Estudio de simulación
Tamaño de muestra
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
Este trabajo se centra en realizar inferencias bayesianas para la distribución de Birnbaum-Saunders (BS) de dos parámetros en presencia de datos censurados a la derecha. Se emplea un muestreador de Gibbs flexible para manejar los datos censurados de BS en este trabajo bayesiano que se basa en los priors de referencia de Jeffrey y Achcar. Se realiza un estudio de simulación exhaustivo para comparar estimaciones bajo diferentes configuraciones de parámetros, tamaños de muestra y niveles de censura. Además, se realizan comparaciones con ejemplos del mundo real que involucran datos censurados de Tipo-II, progresivamente Tipo-II y censurados a la derecha de forma aleatoria. El estudio concluye que el muestreador de Gibbs sugerido mejora la precisión de las inferencias bayesianas, y tanto la cantidad de censura como el tamaño de la muestra se identifican como factores influyentes en tales análisis.
Descripción
Este trabajo se centra en realizar inferencias bayesianas para la distribución de Birnbaum-Saunders (BS) de dos parámetros en presencia de datos censurados a la derecha. Se emplea un muestreador de Gibbs flexible para manejar los datos censurados de BS en este trabajo bayesiano que se basa en los priors de referencia de Jeffrey y Achcar. Se realiza un estudio de simulación exhaustivo para comparar estimaciones bajo diferentes configuraciones de parámetros, tamaños de muestra y niveles de censura. Además, se realizan comparaciones con ejemplos del mundo real que involucran datos censurados de Tipo-II, progresivamente Tipo-II y censurados a la derecha de forma aleatoria. El estudio concluye que el muestreador de Gibbs sugerido mejora la precisión de las inferencias bayesianas, y tanto la cantidad de censura como el tamaño de la muestra se identifican como factores influyentes en tales análisis.