Una extensión bimodal de la distribución beta-binomial con aplicaciones
Autores: Reyes, Jimmy; Najera-Zuloaga, Josu; Lee, Dae-Jin; Arrué, Jaime; Iriarte, Yuri A.
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Una extensión bimodal de la distribución beta-binomial con aplicaciones
Categoría
Matemáticas
Subcategoría
Análisis matemático
Palabras clave
Distribución propuesta
Distribución beta-binomial
Datos de conteo
Función de peso paramétrica
Datos binomiales sobredispersos
Estimación de parámetros
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
En este documento, proponemos una distribución alternativa para modelar datos de conteo que exhiben uni/bimodalidad. Surge como una versión ponderada de la distribución beta-binomial, que está definida por una función de peso paramétrica que admite hasta dos modos para la función de masa de probabilidad resultante. Al igual que la distribución beta-binomial base, la distribución propuesta funciona bien en el modelado de datos binomiales sobre dispersos. Se estudian las propiedades estructurales de la nueva distribución. Se derivan momentos crudos, que se utilizan para describir el comportamiento de dispersión en relación con la media y el comportamiento de la sesgo. La estimación de parámetros se lleva a cabo utilizando el método de máxima verosimilitud. Se realiza un estudio de simulación para ilustrar el comportamiento de los estimadores. Finalmente, se presentan dos aplicaciones que ilustran la utilidad de la propuesta.
Descripción
En este documento, proponemos una distribución alternativa para modelar datos de conteo que exhiben uni/bimodalidad. Surge como una versión ponderada de la distribución beta-binomial, que está definida por una función de peso paramétrica que admite hasta dos modos para la función de masa de probabilidad resultante. Al igual que la distribución beta-binomial base, la distribución propuesta funciona bien en el modelado de datos binomiales sobre dispersos. Se estudian las propiedades estructurales de la nueva distribución. Se derivan momentos crudos, que se utilizan para describir el comportamiento de dispersión en relación con la media y el comportamiento de la sesgo. La estimación de parámetros se lleva a cabo utilizando el método de máxima verosimilitud. Se realiza un estudio de simulación para ilustrar el comportamiento de los estimadores. Finalmente, se presentan dos aplicaciones que ilustran la utilidad de la propuesta.