Resumen

El desarrollo de nuevas distribuciones compuestas que sean más flexibles que las distribuciones existentes se ha convertido en la nueva tendencia en la teoría de la distribución. En el presente estudio, se amplió la distribución de Lomax utilizando la familia de distribuciones de Gompertz, se derivaron cuidadosamente sus densidades resultantes y propiedades estadísticas, y se propuso el método de estimación de máxima verosimilitud para estimar los parámetros del modelo. Se proporcionó un estudio de simulación para evaluar el rendimiento de los parámetros de la distribución de Gompertz Lomax y una aplicación a datos de la vida real para evaluar el potencial de la distribución recién derivada. Los resultados del análisis indican que la distribución Gompertz Lomax funcionó mejor que la distribución Beta Lomax, la distribución Weibull Lomax y la distribución Kumaraswamy Lomax.

• Materias:Algoritmos genéticos Modelado Campo de flujo Teoría de elasticidad Sensor pasivo
• Subjects:Genetic algorithms Modeling Flow field Elasticity theory Passive sensor
• Palabras claves:Distribución Gompertz Lomax, distribución Beta Lomax, distribución Kumaraswamy Lomax, distribución Weibull Lomax, estimación de máxima verosimilitud, nuevas distribuciones compuestas, datos de la vida real, distribución, familia Gompertz, distribución Lomax
• Keywords:Gompertz Lomax distribution, Beta Lomax distribution, Kumaraswamy Lomax distribution, Weibull Lomax distribution, maximum likelihood estimation, new compound distributions, real life data, distribution, Gompertz family, Lomax distribution