Estimación del parámetro λ y del número de ceros n0 de la distribución Poisson Truncada en cero
La distribución Poisson Truncada en cero tiene múltiples aplicaciones en problemas de conteo. Por ejemplo, cuando se desea estimar el número de personas que han tenido, o tienen, problemas de adicción, se cuenta únicamente con información del número de ingresos de cada individuo y se desconoce el nú...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Estado: | Versión aceptada para publicación |
| Fecha de publicación: | 2020 |
| País: | Colombia |
| Recursos: | Universidad Nacional de Colombia |
| Repositorio: | Repositorio UN |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.unal.edu.co:unal/79292 |
| Acesso em linha: | https://repositorio.unal.edu.co/handle/unal/79292 |
| Access Level: | acceso abierto |
| Palavra-chave: | 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas Distribución Poisson Truncada Distribución Poisson Positiva Estimación Bayesiana Datos censurados Truncated Poisson Distribution Censored Data Positive Poisson Distribution Bayesian Estimation |
| Resumo: | La distribución Poisson Truncada en cero tiene múltiples aplicaciones en problemas de conteo. Por ejemplo, cuando se desea estimar el número de personas que han tenido, o tienen, problemas de adicción, se cuenta únicamente con información del número de ingresos de cada individuo y se desconoce el número de consumidores que no han ingresado a los centros de rehabilitación. En este trabajo se proponen diferentes estimadores puntuales y por intervalos para el parámetro λ y el número de ceros n0 de la distribución Poisson Truncada en cero. Los estimadores puntuales y los intervalos son construidos mediante técnicas propias de la estadística clásica y bayesiana. Estos estimadores son comparados en conjunto con los encontrados en la literatura mediante simulación utilizando el software estadístico R. Se encontró que entre los estimadores puntuales el mejor es el de máxima verosimilitud modificada. En cuanto a los estimadores por intervalo el que tiene mayor probabilidad de cobertura fue el propuesto por Vélez and Correa (2013), no obstante el algoritmo para calcular este estimador fracasa con tamaños de muestra grandes, en este caso se prefieren el intervalo de confianza exacto o el de verosimilitud. |
|---|