Revista Integración, temas de matemáticas.
Vol. 33 Núm. 1 (2015): Revista Integración, temas de matemáticas
Artículos científicos

Una versión de la distribución Rayleigh generalizada transmutada

Yuri A. Iriarte
Universidad de Atacama
Juan M. Astorga
Universidad de Atacama

Publicado 2015-05-21

Palabras clave

  • Distribución Rayleigh generalizada,
  • distribución Rayleigh generalizada transmutada,
  • mapa de transmutación de rango cuadrático

Cómo citar

Iriarte, Y. A., & Astorga, J. M. (2015). Una versión de la distribución Rayleigh generalizada transmutada. Revista Integración, Temas De matemáticas, 33(1), 83–95. Recuperado a partir de https://revistas.uis.edu.co/index.php/revistaintegracion/article/view/4771

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

Los datos de descargas todavía no están disponibles.

Referencias

  1. Akaike H., “A new look at the statistical model identification. System identification and time-series analysis”, IEEE Trans. Automatic Control. 19 (1974), 716-723.
  2. 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.
  3. Aryal G.R. and Tsokos C.P., “On the transmuted extreme value distribution with application”, Nonlinear Anal. 71 (2009), no. 12, 1401-1407.
  4. 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.
  5. 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.
  6. Hogg R.V. and Tanis E.A., Probability and statistical inference, Macmillan Publishing, New York, 1993.
  7. Johnson N.L., Kotz S. and Balakrishnan N., Continuous univariate distributions, John Wiley & Sons, Inc., New York, 1994.
  8. Merovci F., “Transmuted Rayleigh distribution”, Aust. J. Stat. 42 (2013), no. 1, 21-31.
  9. Merovci F., “Transmuted Generalized Rayleigh Distribution”, J. Stat. Appl. Prob. 3 (2014), no. 1, 9-20.
  10. 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).
  11. Schwarz G., “Estimating the dimension of a model”, Ann. Statist. 6 (1978), no. 2, 461-464.
  12. 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).
  13. Vodă VG., “Inferential procedures on a generalized Rayleigh variate I”, Apl. Mat. 21 (1976), no. 6, 395-412.