Resumen

Este artículo primero define el patrón de datos faltantes jerárquicos, que es una generalización del patrón de datos faltantes monótonos. Luego se considera el problema multivariado de BehrensFisher con datos faltantes jerárquicos para ilustrar cómo las ideas para tratar datos faltantes monótonos pueden extenderse para tratar el patrón de datos faltantes jerárquicos. Se presenta una cantidad pivotal similar a la de Hotelling, y se utiliza el método de coincidencia de momentos para derivar su distribución aproximada, que se utiliza para pruebas y estimaciones de intervalos. La precisión de la aproximación se ilustra a través de una simulación de datos de Monte Carlo. Los resultados indican que el método aproximado es muy satisfactorio incluso para muestras moderadamente pequeñas.

• Materias:Internet de las cosas Algoritmo iterativo Algoritmo de evaluación Viga viscoelástica Lenguaje de programación
• Subjects:Internet of things Iterative algorithm Evaluation algorithm Viscoelastic beam Programming language
• Palabras claves:Patrón de datos jerárquicos faltantes; Problema multivariado de BehrensFisher; Hotelling; Método de emparejamiento de momentos; Distribución aproximada; Simulación de datos Monte Carlo
• Keywords:Hierarchical data missing pattern; Multivariate BehrensFisher problem; Hotelling; Moment matching method; Approximate distribution; Monte Carlo data simulation