Serviços Personalizados
Journal
Artigo
Indicadores
- Citado por SciELO
- Acessos
Links relacionados
- Citado por Google
- Similares em SciELO
- Similares em Google
Compartilhar
Revista Colombiana de Estadística
versão impressa ISSN 0120-1751
Resumo
SANHUEZA, ANTONIO; LEIVA, VÍCTOR e LOPEZ-KLEINE, LILIANA. Sobre el modelo gaussiano inverso mezclado t-Student y una aplicaci\'{o}n a producci\'{o}n de prote\'{i}nas. Rev.Colomb.Estad. [online]. 2011, vol.34, n.1, pp.177-195. ISSN 0120-1751.
En este art\iculo, introducimos un modelo Gaussiano inverso (MIG) mezclado basado en la distribuci\on t-Student y lo aplicamos a la producci\on de prote\inas basada en bacterias para la industria de alimentos. Este modelo es especialmente \util para describir datos que siguen una distribuci\on con sesgo positivo ya que permite acomodar observaciones at\ipicas de mejor forma que su versión cl\asica. Espec{i}ficamente, presentamos una caracterizaci\on de la distribución MIG-t y realizamos un an\alisis de confiabilidad de esta distribuci\on centrado principalmente en la tasa de fallas. También, discutimos el m\etodo de verosimilitud m\axima, el cual proporciona en este caso estimaciones robustas de los par\ametros del modelo. Con el fin de evaluar la influencia potencial de observaciones at\ipicas, proponemos un an\alisis de diagn\ostico para la distribuci\on. Finalmente, aplicamos los resultados obtenidos al análisis de datos nuevos de producci\on de prote\ina basada en bacterias utilizada en la industria de alimentos y comparamos estadísticamente dos tipos de bacterias productoras usando la prueba de raz\on de verosimilitudes basada en el modelo MIG-t como una metodolog\ia alternativa a los procedimientos disponibles a la fecha. Este punto es muy importante, ya que la evaluaci\on de producci\on de prote\inas usando dos construcciones distintas permite a los investigadores escoger el tipo m\as productivo antes de proceder al cultivo industrial a gran escala.
Palavras-chave : distribuciones de largo sesgado; lenguaje de computaci\'{o}n R; m\'{e}todos de verosimilitud; mezcla de distribuciones.