Nueva distribución discreta sobredispersa de un parámetro y su aplicación al modelo autorregresivo de orden uno de valores enteros no negativos
Autores: Irshad, Muhammed Rasheed; Aswathy, Sreedeviamma; Maya, Radhakumari; Nadarajah, Saralees
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Nueva distribución discreta sobredispersa de un parámetro y su aplicación al modelo autorregresivo de orden uno de valores enteros no negativos
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Datos
Distribución
Estimación
Simulación
Parámetros
Análisis
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Los datos de conteo surgen en inferencia, modelado, predicción, detección de anomalías, monitoreo, asignación de recursos, evaluación y medición de rendimiento. Este documento se centra en una distribución discreta de un parámetro obtenida mediante la combinación de las distribuciones de Poisson y X-Lindley. La función generadora de probabilidades, momentos, sesgo, curtosis y otras propiedades se derivan en forma cerrada. Se utilizan el método de máxima verosimilitud, el método de momentos, el método de mínimos cuadrados y el método de mínimos cuadrados ponderados para la estimación de parámetros. Se realiza un estudio de simulación. La distribución propuesta se aplica como innovación en un proceso INAR(1). La importancia del modelo propuesto se confirma mediante el análisis de dos conjuntos de datos reales.
Descripción
Los datos de conteo surgen en inferencia, modelado, predicción, detección de anomalías, monitoreo, asignación de recursos, evaluación y medición de rendimiento. Este documento se centra en una distribución discreta de un parámetro obtenida mediante la combinación de las distribuciones de Poisson y X-Lindley. La función generadora de probabilidades, momentos, sesgo, curtosis y otras propiedades se derivan en forma cerrada. Se utilizan el método de máxima verosimilitud, el método de momentos, el método de mínimos cuadrados y el método de mínimos cuadrados ponderados para la estimación de parámetros. Se realiza un estudio de simulación. La distribución propuesta se aplica como innovación en un proceso INAR(1). La importancia del modelo propuesto se confirma mediante el análisis de dos conjuntos de datos reales.