Resumen

La función de supervivencia de la distribución de Weibull determina la probabilidad de que una unidad o un individuo sobreviva más allá de un cierto tiempo especificado, mientras que la tasa de fallo es la tasa a la que un individuo seleccionado aleatoriamente que se sabe que está vivo en el momento (t-1) morirá en el momento (t). El método clásico para estimar la función de supervivencia y la tasa de fracaso es el método de máxima verosimilitud. En este estudio, nos esforzamos por determinar cuál es el mejor método, comparando la máxima verosimilitud clásica con los estimadores bayesianos que utilizan una priorización informativa y una priorización propuesta dependiente de los datos conocida como priorización no informativa generalizada. La estimación bayesiana se considera bajo tres funciones de pérdida. Debido a la complejidad de tratar con las integrales utilizando el estimador bayesiano, se emplea el procedimiento de aproximación de Lindley para reducir la relación de las integrales. A efectos de comparación, se obtienen el error cuadrático medio (ECM) y el sesgo absoluto. Este estudio se realiza mediante simulación utilizando diferentes tamaños de muestra. Del estudio se desprende que la priorización generalizada que asumimos se comporta mejor que las demás bajo la función de pérdida exponencial lineal con respecto al MSE y bajo la función de pérdida de entropía general con respecto al sesgo absoluto.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:estudio, sesgo absoluto, tasa de fracaso, función de supervivencia, función de pérdida de entropía general, función de pérdida exponencial lineal, tiempo determinado, máxima verosimilitud clásica, diferentes tamaños de muestra, método de máxima verosimilitud
• Keywords:study, absolute bias, failure rate, survival function, general entropy loss function, linear exponential loss function, certain specified time, classical maximum likelihood, different sample sizes, maximum likelihood method