Una distribución de tipo Lambert alternativa para datos acotados
Autores: Varela, Héctor; Rojas, Mario A.; Reyes, Jimmy; Iriarte, Yuri A.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Una distribución de tipo Lambert alternativa para datos acotados
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Nueva distribución
Datos acotados
Función de densidad
Estimación de parámetros
Estudio de simulación
Datos reales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
En este artículo, proponemos una nueva distribución de dos parámetros para datos acotados como tasas, proporciones o porcentajes. La función de densidad de la distribución propuesta, que presenta formas monótonas, unimodales e inversamente unimodales, tiende a un valor finito positivo en el extremo inferior de su soporte, lo que puede conducir a un mejor ajuste de los cuantiles empíricos inferiores. Derivamos algunas de las principales propiedades estructurales de la nueva distribución. Realizamos una descripción de la asimetría y la curtosis de la distribución. Discutimos la estimación de parámetros bajo el método de máxima verosimilitud. Desarrollamos un estudio de simulación para evaluar el comportamiento de los estimadores. Finalmente, presentamos dos aplicaciones a datos reales que proporcionan evidencia de que la distribución propuesta puede funcionar mejor que las populares distribuciones beta y Kumaraswamy.
Descripción
En este artículo, proponemos una nueva distribución de dos parámetros para datos acotados como tasas, proporciones o porcentajes. La función de densidad de la distribución propuesta, que presenta formas monótonas, unimodales e inversamente unimodales, tiende a un valor finito positivo en el extremo inferior de su soporte, lo que puede conducir a un mejor ajuste de los cuantiles empíricos inferiores. Derivamos algunas de las principales propiedades estructurales de la nueva distribución. Realizamos una descripción de la asimetría y la curtosis de la distribución. Discutimos la estimación de parámetros bajo el método de máxima verosimilitud. Desarrollamos un estudio de simulación para evaluar el comportamiento de los estimadores. Finalmente, presentamos dos aplicaciones a datos reales que proporcionan evidencia de que la distribución propuesta puede funcionar mejor que las populares distribuciones beta y Kumaraswamy.