Resumen

En este artículo, estudiamos la distribución geométrica bajo datos censurados de forma aleatoria. Se derivan estimadores de máxima verosimilitud e intervalos de confianza basados en la matriz de información de Fisher para los parámetros desconocidos con datos censurados de forma aleatoria. También se desarrollan estimadores de Bayes utilizando priors beta bajo funciones de pérdida de entropía generalizada y LINEX. Además, se obtienen intervalos creíbles bayesianos y de densidad de probabilidad posterior más alta (HPD) para los parámetros. Se analizan también el tiempo esperado en prueba y las características de confiabilidad en este artículo. Para comparar varios estimadores desarrollados en el artículo, se realiza un estudio de simulación de Monte Carlo. Por último, con fines ilustrativos, se discute un conjunto de datos reales censurados de forma aleatoria.

• Materias:Identificación robusta Distribución de Gram-Charlier Modelo estadístico Distribución geométrica Reconstrucción numérica
• Subjects:Robust identification Gram-Charlier distribution Statistical model Geometric distribution Numerical reconstruction
• Palabras claves:Estudio; Distribución geométrica; Datos censurados aleatoriamente; Estimadores de máxima verosimilitud; Intervalos de confianza; Estimadores bayesianos
• Keywords:Study; Geometric distribution; Randomly censored data; Maximum likelihood estimators; Confidence intervals; Bayesian estimators