Resumen

Este artículo describe dos métodos de predicción para predecir las unidades no observadas (censuradas) en muestras censuradas de Tipo-II progresivas. Las vidas útiles consideradas siguen una nueva distribución de Pareto de dos parámetros. Además, se obtiene la estimación puntual e intervalar de los parámetros desconocidos del nuevo modelo de Pareto. Se consideran métodos de estimación de máxima verosimilitud y Bayesiana para tal fin. Dado que los estimadores de Bayes no pueden expresarse explícitamente, se utilizan las técnicas de Gibbs y de la Cadena de Markov Monte Carlo para el cálculo Bayesiano. Se emplea la densidad predictiva posterior de las unidades no observadas para construir intervalos predictivos. Se realiza un estudio de simulación para evaluar el rendimiento de los estimadores a través de errores cuadráticos medios y sesgos, y para obtener el mejor método de predicción para la observación censurada bajo el esquema de censura de Tipo-II progresiva para diferentes tamaños de muestra y diferentes esquemas

• Materias:Internet de las cosas Algoritmo iterativo Algoritmo de evaluación Viga viscoelástica Lenguaje de programación
• Subjects:Internet of things Iterative algorithm Evaluation algorithm Viscoelastic beam Programming language
• Palabras claves:Métodos de predicción; Censura progresiva de Tipo-II; Distribución de Pareto de dos parámetros; Estimación bayesiana; Monte Carlo de Cadena de Markov; Estudio de simulación
• Keywords:Prediction methods; Progressive Type-II censoring; Two-parameter Pareto distribution; Bayesian estimation; Markov Chain Monte Carlo; Simulation study