Resumen

Hemos desarrollado el procedimiento de estimación bayesiana para la distribución Weibull flexible bajo el esquema de censura Tipo-II asumiendo escalas invariantes de Jeffrey (no informativas) y priors Gamma (informativas) para los parámetros del modelo. La estimación por intervalos de los parámetros del modelo se ha realizado a través de aproximación normal, bootstrap y procedimientos de densidad posterior más alta (HPD). Además, también hemos derivado los posteriores predictivos y las correspondientes funciones de supervivencia predictivas para las observaciones futuras basadas en datos censurados Tipo-II de la distribución Weibull flexible. Dado que los posteriores predictivos no están en forma cerrada, propusimos utilizar métodos de cadena de Markov de Monte Carlo (MCMC) para aproximar los posteriores de interés. La eficacia de los estimadores de Bayes también se ha comparado con los estimadores clásicos de los parámetros del modelo a través de un estudio de simulación de Monte Carlo. Se ha analizado un conjunto de datos reales que representa el tiempo entre fallas de bombas secundarias

• Materias:Distribución generalizada Variable binaria Predicción bayesianas Inferencia bayesiana Parámetros de distribución
• Subjects:Generalized distribution Binary variable Bayesian prediction Bayesian Inference Distribution Parameters
• Palabras claves:Bayesiano; Estimación; Distribución de Weibull; Censura tipo II; Posteriores predictivos; Cadena de Markov Montecarlo
• Keywords:Bayesian; Estimation; Weibull distribution; Type-ii censoring; Predictive posteriors; Monte carlo markov chain