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
MAZUCHELI, Josmar; BERTOLI, Wesley e OLIVEIRA, Ricardo. Dos distribuciones discretas útiles para modelar datos de recuento sobredispersos. Rev.Colomb.Estad. [online]. 2020, vol.43, n.1, pp.21-48. Epub 05-Jun-2020. ISSN 0120-1751. https://doi.org/10.15446/rce.v43n1.77052.
Los métodos para obtener análogos discretos de distribuciones continuas han sido ampliamente considerados en los últimos años. En general, el pro ceso de discretización proporciona funciones de probabilidad en masa que pueden ser competitivas con el modelo tradicional utilizado en el análisis de datos de conteo, la distribución de Poisson. El procedimiento de discretización también evita el uso de la distribución continua en el análisis de datos estrictamente discretos. En este artículo, intentamos introducir dos análogos discretos para la distribución de Shanker utilizando el método de la serie infinita y el método basado en la función de supervivencia como al ternativas para modelar conjuntos de datos sobre dispersados. A pesar de la diferencia entre los métodos de discretización, las distribuciones resultantes son intercambiables. Sin embargo, la distribución generada por el método de series infinitas tiene expresiones matemáticas más simples para la forma, las funciones de generación y los momentos centrales. La teoría de máxi ma verosimilitud se considera para la estimación y las preocupaciones de inferencia asintótica. Se lleva a cabo un estudio de simulación para evaluar algunas propiedades frecuentistas de la metodología desarrollada. La utili dad de los modelos propuestos se evalúa utilizando conjuntos de datos reales proporcionados por la literatura.
Palavras-chave : Estimación de máxima verosimilitud; Distribuciones disc retas; Distribución de Shanker; Simulación del Monte Carlo; Sobredispersión.