Publicado 2015-05-21
Palabras clave
- Distribución Rayleigh generalizada,
- distribución Rayleigh generalizada transmutada,
- mapa de transmutación de rango cuadrático
Cómo citar
Resumen
La calidad de los procedimientos utilizados en un análisis estadístico depende en gran medida del modelo o las distribuciones de probabilidad que se emplean. Debido a esto, diversos autores han realizado un esfuerzo considerable en generalizar o extender distribuciones de probabilidad presentes en la literatura estadística. En este contexto, Vodă en [13] introduce la distribución de probabilidad Rayleigh generalizada; esta distribución es bastante utilizada en el análisis estadístico de confiabilidad. En este artículo extendemos la distribución Rayleigh generalizada usando el mapa de transmutación de rango cuadrático estudiado por Shaw y Buckley en [12]. Estudiamos las principales propiedades del nuevo modelo, realizamos inferencia estadística y mostramos una aplicación con datos reales. Finalmente, se presentan las principales conclusiones del artículo.
Para citar este artículo: Y.A. Iriarte, J.M. Astorga, Una versión de la distribución Rayleigh generalizada transmutada, Rev. Integr. Temas Mat. 33 (2015), no. 1, 83-95.
Descargas
Referencias
- Akaike H., “A new look at the statistical model identification. System identification and time-series analysis”, IEEE Trans. Automatic Control. 19 (1974), 716-723.
- Andrews D.F. and Herzberg A.M., Data: a collection of problems from many fields for the student and research worker, Springer, New York, 1985.
- Aryal G.R. and Tsokos C.P., “On the transmuted extreme value distribution with application”, Nonlinear Anal. 71 (2009), no. 12, 1401-1407.
- Aryal G.R. and Tsokos C.P., “Transmuted Weibull distribution: a generalization of the Weibull probability distribution”, Eur. J. Pure Appl. Math. 4 (2011), no. 2, 89-102.
- Bekker A. and Roux J.J.J., “Reliability characteristics of the Maxwell distribution: a Bayes estimation study”, Comm. Statist. Theory Methods. 34 (2005), no.11, 2169-2178.
- Hogg R.V. and Tanis E.A., Probability and statistical inference, Macmillan Publishing, New York, 1993.
- Johnson N.L., Kotz S. and Balakrishnan N., Continuous univariate distributions, John Wiley & Sons, Inc., New York, 1994.
- Merovci F., “Transmuted Rayleigh distribution”, Aust. J. Stat. 42 (2013), no. 1, 21-31.
- Merovci F., “Transmuted Generalized Rayleigh Distribution”, J. Stat. Appl. Prob. 3 (2014), no. 1, 9-20.
- R Development Core Team R., “A language and environment for statistical computing”, R Foundation for Statistical Computing, Vienna, Austria. http://www.R-project.org (2013).
- Schwarz G., “Estimating the dimension of a model”, Ann. Statist. 6 (1978), no. 2, 461-464.
- Shaw W. and Buckley I., “The alchemy of probability distributions: beyond gramcharlier expansions, and a skew-kurtotic-normal distribution from a rank transmutation map”, IMA Primera Conferencia sobre Finanzas Computacionales, Cornell University, http://arxiv.org/abs/0901.0434 (2007).
- Vodă VG., “Inferential procedures on a generalized Rayleigh variate I”, Apl. Mat. 21 (1976), no. 6, 395-412.