Resumen

Las estadsticas son herramientas matemticas que se aplican en investigaciones cientficas, como la ingeniera y los anlisis mdicos y biolgicos. Sin embargo, los mtodos estadsticos se mejoran a menudo. Hoy en da, los estadsticos intentan encontrar una forma precisa de resolver un problema. Uno de estos problemas es la estimacin de parmetros, que puede expresarse como un problema inverso cuando las variables independientes estn altamente correlacionadas. El objetivo significativo de este trabajo es interpretar las estimaciones de los parmetros de la doble distribucin generalizada de Rayleigh en un modelo de regresin utilizando una base wavelet. En la prctica es difcil utilizar la versin estndar de los mtodos de regresin, que se obtiene utilizando la verosimilitud. Dado que un nivel de ruido suele hacer inestable el resultado de la estimacin, la multicolinealidad da lugar a diversas estimaciones. Este tipo de problema estima que las caractersticas de la verdad son complicadas. Por ello, es razonable utilizar un mtodo mixto que combine un enfoque totalmente bayesiano y una base wavelet. La regla habitual para los enfoques wavelet es elegir una base wavelet, donde ayuda a calcular los coeficientes wavelet, y luego, estos coeficientes se utilizan para eliminar el ruido gaussiano. La recuperacin de los datos suele calcularse invirtiendo los coeficientes wavelet. Se han considerado algunas bases wavelet, que proporcionan una transformada wavelet invariante de desplazamiento, proporcionando simultneamente mejoras en la suavidad, en la recuperacin y en el rendimiento de error cuadrtico. El mtodo propuesto combina un enfoque de mxima verosimilitud penalizada, un trmino de penalizacin y herramientas wavelet. En este trabajo se utilizan datos reales y se modelizan mediante distribuciones de Rayleigh generalizadas dobles, ya que se emplean para estimar los coeficientes wavelet de la muestra mediante herramientas numricas. En aplicaciones prcticas, se recomiendan los enfoques wavelet. Reducen los niveles de ruido. Este proceso puede ser til, ya que el nivel de ruido suele estar corrompido en los datos reales, como causa importante de la mayora de los problemas de estimacin numrica. Se estudia una investigacin de simulacin utilizando la herramienta MCMC para estimar las caractersticas subyacentes como una tarea esencial estadstica.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Métodos estadísticos; Parámetros de estimación; Modelo de regresión; Base wavelet; Nivel de ruido; Coeficientes wavelet
• Keywords:Statistical methods; Estimation parameters; Regression model; Wavelet basis; Noise level; Wavelet coefficients