Distribución normal positiva truncada de potencia: un enfoque de regresión de cuantiles aplicado a bases de datos de salud
Autores: Santoro, Karol I.; Gómez, Héctor J.; Cortés, Isaac E.; Magalhães, Tiago M.; Gallardo, Diego I.
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Distribución normal positiva truncada de potencia: un enfoque de regresión de cuantiles aplicado a bases de datos de salud
Categoría
Matemáticas
Subcategoría
Análisis matemático
Palabras clave
Nueva extensión
Normal truncada positiva
Normal truncada positiva de potencia
Parámetro de forma
Regresión cuantil
Estimadores de máxima verosimilitud
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
En este documento presentamos una nueva extensión del modelo normal positivo truncado (TPN), llamado normal positivo truncado potenciado. Esta extensión incorpora un parámetro de forma que brinda más flexibilidad al modelo. Además, esta nueva extensión fue reparametrizada basada en el -ésimo cuantil de la distribución para realizar regresión cuantílica. Los valores iniciales fueron calculados a partir de una modificación de los estimadores de momentos, lo que permitió obtener los estimadores de máxima verosimilitud. Se realizó un estudio de simulación que sugiere un buen comportamiento de los estimadores de máxima verosimilitud en muestras finitas. Por último, se presentan dos aplicaciones utilizando bases de datos de salud.
Descripción
En este documento presentamos una nueva extensión del modelo normal positivo truncado (TPN), llamado normal positivo truncado potenciado. Esta extensión incorpora un parámetro de forma que brinda más flexibilidad al modelo. Además, esta nueva extensión fue reparametrizada basada en el -ésimo cuantil de la distribución para realizar regresión cuantílica. Los valores iniciales fueron calculados a partir de una modificación de los estimadores de momentos, lo que permitió obtener los estimadores de máxima verosimilitud. Se realizó un estudio de simulación que sugiere un buen comportamiento de los estimadores de máxima verosimilitud en muestras finitas. Por último, se presentan dos aplicaciones utilizando bases de datos de salud.