Modelo de difusión de Weibull estocástica de dos parámetros: inferencia estadística y aplicación a un ejemplo de modelado real
Autores: Nafidi, Ahmed; Bahij, Meriem; Gutiérrez-Sánchez, Ramón; Achchab, Boujemâa
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Modelo de difusión de Weibull estocástica de dos parámetros: inferencia estadística y aplicación a un ejemplo de modelado real
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Proceso de difusión de Weibull
Función de tendencia
Conjunto de datos reales
Estimadores de máxima verosimilitud
Método de recocido simulado
Medidas de error
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 38
Citaciones: Sin citaciones
Este documento describe el uso del proceso de difusión Weibull estocástico no homogéneo, basado en la función de densidad Weibull de dos parámetros (cuya tendencia es proporcional a la función de densidad de probabilidad Weibull de dos parámetros). La función de tendencia (condicionada y no condicionada) se analiza para obtener ajustes y pronósticos para un conjunto de datos reales, teniendo en cuenta el valor medio del proceso, los estimadores de máxima verosimilitud de los parámetros del modelo y los problemas computacionales que puedan surgir. Para llevar a cabo la tarea, empleamos el método de recocido simulado para encontrar los valores de los estimadores y lograr el estudio. Finalmente, para evaluar la capacidad del modelo, se aplica el estudio a datos de modelado reales donde discutimos la precisión según las medidas de error.
Descripción
Este documento describe el uso del proceso de difusión Weibull estocástico no homogéneo, basado en la función de densidad Weibull de dos parámetros (cuya tendencia es proporcional a la función de densidad de probabilidad Weibull de dos parámetros). La función de tendencia (condicionada y no condicionada) se analiza para obtener ajustes y pronósticos para un conjunto de datos reales, teniendo en cuenta el valor medio del proceso, los estimadores de máxima verosimilitud de los parámetros del modelo y los problemas computacionales que puedan surgir. Para llevar a cabo la tarea, empleamos el método de recocido simulado para encontrar los valores de los estimadores y lograr el estudio. Finalmente, para evaluar la capacidad del modelo, se aplica el estudio a datos de modelado reales donde discutimos la precisión según las medidas de error.