Resumen

En este trabajo se presenta por primera vez la prueba insesgada más potente para comprobar el modelo de fuerza de tensión. Al final del trabajo se recomienda un método que es apropiado para datos no grandes en los que no es aplicable una distribución asintótica normal. Los métodos anteriores para la inferencia en los modelos de resistencia a la tensión utilizan casi todas las propiedades asintóticas de los estimadores de máxima verosimilitud. La distribución de los componentes se considera exponencial y logística generalizada. También se construye el correspondiente intervalo de confianza insesgado. Comparamos la metodología presentada con métodos anteriores y mostramos que el método de este trabajo es lógicamente mejor que otros métodos. Un resultado interesante es que nuestro método recomendado no sólo utiliza una muestra pequeña, sino que también tiene mejores resultados que otros.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:modelo de fuerza, métodos anteriores, prueba insesgada potente, papel, distribución asintótica normal, distribución de componentes, estimador de máxima verosimilitud, intervalo de confianza insesgado, tamaño de muestra pequeño, metodología presentada
• Keywords:strength model, previous methods, powerful unbiased test, paper, normal asymptotic distribution, distribution of components, maximum likelihood estimator, unbiased confidence interval, small sample size, presented methodology