Mixtura finita de la distribución Birnbaum-Saunders basada en la distribución de mixtura de escala normal

• Autor: Benites Sánchez, Luis Enrique
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/14414
• Enlace del recurso: https://hdl.handle.net/20.500.12672/14414
• Nivel de acceso: acceso abierto
• Materia: Distribución (Teoría de la probabilidad); Probabilidades; Algoritmos; https://purl.org/pe-repo/ocde/ford#1.01.03

La distribución de Birnbaum-Saunders se ha utilizado para modelar datos unimodales positivamente asimétricos, pero las propuestas que buscan mixturar estas distribuciones para modelar datos multimodales fallan. La clase de mixtura de escala normal (MEN) es usada para modelar datos simétricos. En este trabajo, se propone un nuevo modelo estadístico usando una mixtura finita (MF) de la distribución Birnbaum-Saunders basada en la distribución de mixtura de escala normal, de tal manera que los datos multimodales, con asimetría positiva sean modelados con más flexibilidad. Específicamente, en la literatura actual los trabajos existentes que están relacionados, se han limitado a considerar mixtura de 2 distribuciones. La propuesta permite modelar escenarios multimodales considerando 2 o más componentes de mixtura de distribuciones, que es una extensión de los trabajos realizados por Balakrishnan y otros. (2009), Balakrishnan y otros. (2011) y Benites y otros. (2017). Los par´ametros del modelo de mixtura finita propuesto se estimarán mediante el método de máxima verosimilitud que se basa en un algoritmo de maximización condicional de la esperanza (un tipo de algoritmo EM). También serán desarrollados estudios de simulación y aplicaciones con datos reales. Finalmente, la metodología será incorporada en el paquete en R, bssn y las rutinas de R de las simulaciones estarán disponibles en el GitHub.