Resumen

La principal contribución de este trabajo es el desarrollo de una función de pérdida LINEX compuesta (CLLF) para estimar el parámetro de forma de la distribución Lomax (LD). Los pesos se fusionan en la CLLF para generar una nueva función de pérdida denominada función de pérdida LINEX compuesta ponderada (WCLLF). A continuación, la WCLLF se utiliza para estimar el parámetro de forma de la LD mediante una estimación bayesiana y bayesiana esperada (E-Bayesian). A continuación, discutimos seis tipos diferentes de funciones de pérdida, incluyendo la función de pérdida de error cuadrado (SELF), la función de pérdida LINEX (LLF), la función de pérdida asimétrica (ASLF), la función de pérdida de entropía (ENLF), la CLLF y la WCLLF. Además, para comprobar el rendimiento de la función de pérdida propuesta, se utiliza el estimador bayesiano de WCLLF y el estimador e-baysiano de WCLLF, realizando simulaciones de Monte Carlo. El estimador bayesiano y el bayesiano esperado utilizando la función de pérdida propuesta se comparan con otros métodos, incluyendo la estimación de máxima verosimilitud (MLE) y los estimadores bayesianos y e-baianos bajo diferentes funciones de pérdida. Los resultados de la simulación muestran que el estimador Bayes según WCLLF y el estimador E-Bayesiano según WCLLF propuestos en este trabajo tienen el mejor rendimiento en la estimación de los parámetros de forma basados en el menor error cuadrático medio promediado.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:función de pérdida lineal, estimador bayesiano, estimador de wcllf, función de pérdida propuesta, pérdida lineal compuesta, wcllf, parámetros de forma, parámetros de forma ld, tipo de pérdida, función de pérdida de entropía
• Keywords:linex loss function, bayesian estimator, estimator of wcllf, proposed loss function, compound linex loss, wcllf, shape parameters, ld shape parameters, type of loss, entropy loss function