Resumen

En este trabajo, se considera la distribución gamma exponenciada (EGD) con datos censurados híbridos generalizados de tipo I bajo el modelo de prueba de vida parcialmente acelerada de estrés constante (CSPALT). Se discuten los métodos de estimación bayesiano y e- bayesiano, así como el método de estimación de máxima verosimilitud, para el parámetro de la distribución y el factor de aceleración. Las estimaciones E-Bayesiana y Bayesiana se derivan utilizando la pérdida de error cuadrado (SEL) y las funciones de pérdida LINEX. Se aplica el método MCMC para derivar las estimaciones bayesianas y luego las E-Bayesianas. Además, se presenta un conjunto de datos reales con fines ilustrativos. A continuación, se realiza una evaluación de los resultados de los métodos propuestos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:Estimaciones bayesianas, función de pérdida lineal, métodos de estimación bayesiana, distribución gamma exponenciada, conjunto de datos reales, métodos de estimación por verosimilitud, pérdida por error cuadrado, prueba de vida acelerada, tipo generalizado, métodos propuestos
• Keywords:bayesian estimates, linex loss function, bayesian estimation methods, exponentiated gamma distribution, real data set, likelihood estimation methods, squared error loss, accelerated life test, generalized type, proposed methods