Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Diversas distribuciones generalizadas se desarrollan en la literatura estadística, entre ellas se encuentra la distribución Secante Hiperbólica Generalizada (SHG). En este documento se presenta un método alternativo para la estimación de los parámetros poblacionales de la SHG, llamado Máxima Verosimilitud Modificada (MVM). Asumiendo algunas expresiones alternas que difieren con el trabajo de Vaughan en el 2002 y basándose en el mismo conjunto de datos de la fuente original. Se implementa computacionalmente el método transformado de MVM, permitiendo observar unas buenas aproximaciones de los valores de los parámetros de localización y escala, presentados por Vaughan en su artículo. Con esto se pretende que en la práctica se cuente con una metodología diferente para estimar.
1 INTRODUCCIÓN
La distribución secante hiperbólica (SH), fue estudiada primero por Baten [1] y por Talacko [2], su función de densidad de probabilidad con media cero y varianza uno, está dada por
fSH(x)=12cosh(πx=2);x∈R;fSH(x) =frac{1}{2cosh(πx=2)^;} x∈R; (1)
o, de manera equivalente, su función de distribución acumulada está dada por
FSH(x)=12+1πarctan(sinh(πx=2)).FSH(x) =frac{1}{2}+ frac{1}{π}arctan(sinh(πx=2)). (2)
Esta distribución posee propiedades importantes. Tiene una leptocurtosis mayor que la normal y la logística, la función generadora de momentos existe. Desde 1956 se han propuesto dos generalizaciones. La primera, fue la distribución NEF-SHG, propuesta por Morris [3] en el contexto de las familias exponenciales naturales (NEF). La función de densidad de probabilidad de la distribución NEF-SHG está dada por
f(x;λ;θ)=2λ−2πΓ(λ)∣Γ(λ+ix2)∣2exp{θx+λlog(cosθ)};f(x;lambda; heta) = frac{2^{lambda-2}}{πGamma(lambda)} Bigvert Gamma Big(frac{lambda + ix}{2}Big) Bigvert ^2 exp{{ heta x+ lambda log(cos heta)}}; (3)
para λ > 0 y |θ| < π=2: Recientemente, Vaughan [4] propuso una familia de distribuciones simétricas, que llamó distribución SHG. Esta se compone de distribuciones con curtosis que van desde 1; 8 hasta el infinito e incluye la logística como un caso especial, la uniforme como un caso límite y se aproxima a las distribuciones normal y la t de Student con curtosis correspondientes. Por otra parte, el método utilizado generalmente para estimar los parámetros de localización y escala de la SHG (Máxima Verosimilitud (MV)), presenta algunas complicaciones que se mencionan en Vaughan [4]. Por consiguiente, se usarán las estimaciones de MVM en este trabajo.
2 METODOLOGÍA
En esta sección se detalla la metodología que se seguirá, en la cual se expone primero aspectos relacionados con la SHG.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Modelado y Análisis Cualitativo del Sistema Ecológico de la Jacinto de Agua con Dos Controles de Impulso Dependientes del Estado.
Artículo:
Método de recuperación inteligente de pinturas aproximadas en el campo del arte digital
Artículo:
Estimación en línea del estado de carga de celdas de ion de litio utilizando un enfoque de filtrado híbrido basado en filtro de partículas.
Artículo:
Un nuevo método para preservar la privacidad de la localización de grupos basado en la arquitectura distribuida en LBS
Artículo:
Supervisión gubernamental sobre comportamientos inmorales de las empresas de explosivos en las empresas de comercio electrónico: Un análisis de juego evolutivo.
Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.
� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados
