SciELO - Scientific Electronic Library Online

 
vol.46 número1Robust Circular Logistic Regression Model and Its Application to Life and Social SciencesAn Improved Estimator of Finite Population Variance Using two Auxiliary Variable SRS índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Em processo de indexaçãoCitado por Google
  • Não possue artigos similaresSimilares em SciELO
  • Em processo de indexaçãoSimilares em Google

Compartilhar


Revista Colombiana de Estadística

versão impressa ISSN 0120-1751

Resumo

CEPEDA-CUERVO, Edilberto. Modelos de regresión μσ 2 -Beta y μσ 2 -Beta binomial. Rev.Colomb.Estad. [online]. 2023, vol.46, n.1, pp.63-79.  Epub 18-Jan-2023. ISSN 0120-1751.  https://doi.org/10.15446/rce.v46n1.105335.

Este artículo propone nuevas parametrizaciones de las distribuciones beta y beta binomial como funciones de los parámetros de media y varianza. A partir de estas nuevas parametrizaciones, se formulan nuevos modelos de regresión lineal beta y beta binomial asumiendo que funciones reales apropiadas de la media y la varianza siguen estructuras de regresión lineal. Estos modelos se ajustaron a conjuntos de datos reales mediante la aplicación de métodos bayesianos, utilizando el software OpenBUGS. Los nuevos modelos de regresión beta se ajustaron al conjunto de datos de precisión de lectura de niños con dislexia y los nuevos modelos de regresión beta binomial se aplicaron al conjunto de datos de ausentismo escolar. En ambos casos, los resultados obtenidos ajustando estos modelos se compararon con los obtenidos ajustando los modelos habituales de regresión beta de media y dispersión y los modelos de regresión beta binomial de media y dispersión, respectivamente.

Palavras-chave : Media y varianza; Distribución beta; Distribución beta binomial; Modelos de regresión beta y beta-binomial; Métodos bayesianos.

        · resumo em Inglês     · texto em Inglês     · Inglês ( pdf )