Una nueva familia de distribuciones de slash modificadas con aplicaciones
Autores: Reyes, Jimmy; Iriarte, Yuri A.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Una nueva familia de distribuciones de slash modificadas con aplicaciones
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Nueva familia
Distribuciones de colas pesadas simétricas
Razón
Variables aleatorias independientes
Distribución en forma de barra inclinada
Estimación de parámetros
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Este artículo presenta una nueva familia de distribuciones simétricas de colas pesadas. Este modelo se basa en la razón de dos variables aleatorias independientes; una con una distribución normal en el numerador y otra con una distribución de Birnbaum-Saunders en el denominador. El resultado es una nueva distribución tipo slash capaz de modelar altos niveles de curtosis, por lo que puede considerarse como una alternativa viable a otras distribuciones de colas pesadas en la literatura. Se derivan propiedades fundamentales como la densidad y momentos crudos. La estimación de parámetros se realiza utilizando los métodos de momentos y máxima verosimilitud. Se lleva a cabo un estudio de simulación para evaluar el comportamiento de los estimadores. Finalmente, se ilustra la utilidad de la nueva distribución ajustando dos conjuntos de datos reales.
Descripción
Este artículo presenta una nueva familia de distribuciones simétricas de colas pesadas. Este modelo se basa en la razón de dos variables aleatorias independientes; una con una distribución normal en el numerador y otra con una distribución de Birnbaum-Saunders en el denominador. El resultado es una nueva distribución tipo slash capaz de modelar altos niveles de curtosis, por lo que puede considerarse como una alternativa viable a otras distribuciones de colas pesadas en la literatura. Se derivan propiedades fundamentales como la densidad y momentos crudos. La estimación de parámetros se realiza utilizando los métodos de momentos y máxima verosimilitud. Se lleva a cabo un estudio de simulación para evaluar el comportamiento de los estimadores. Finalmente, se ilustra la utilidad de la nueva distribución ajustando dos conjuntos de datos reales.