Estudio sobre ajuste de modelos de probabilidad en datos de supervivencia
DOI:
https://doi.org/10.33448/rsd-v11i5.28430Palabras clave:
Bondad de ajuste; Estimación de parámetros; Distribución de probabilidad.Resumen
En este artículo se utilizan modelos de distribución de probabilidad conocidos en la literatura. El objetivo de este estudio es buscar algunos modelos de probabilidad que se ajusten mejor a dos conjuntos de datos específicos en el área de análisis de supervivencia. El primero se refiere a la resistencia de los rodamientos de esferas y el segundo al período de fallas sucesivas del sistema de aire acondicionado de una flota de aviones Air Boeing. La estimación de los parámetros se realiza mediante el método de máxima verosimilitud. Se da una aplicación a dos conjuntos de datos para ilustrar la veracidad de los ajustes. Las distribuciones que mostraron grandes resultados fueron Exponencial Exponencializada, Exponencial Burr XII, Gdus Exponencializada y Dagum, para el primer análisis. Para el segundo análisis, Weibull Exponencializada, Kumaraswamy Weibull, Kumaraswamy Burr XII y Dagum. El criterio de información de Akaike, el criterio de información bayesiano, Anderson Darling y Cramér von Mises se utilizan como medidas de comparación. El análisis se realiza con la ayuda del paquete (AdequacyModel) en el software R.
Citas
Aarset, M. V. (1987). How to identify a bathtub hazard rate. IEEE Transactions on Reliability, 36(1):106–108.
Afify, A. Z. & Mead, M. (2017). On five-parameter burr xii distribution: properties and applications. South African Statistical Journal, 51(1):67–80.
Borges, Y. M., da Silva, B. G., de Melo, B. A. R., & da Silva, R. R. (2021). Evaluation of probability distributions in the analysis of minimum temperature series in Manaus–AM. Research, Society and Development, 10(3): e46210313616–e46210313616.
Burr, I. W. (1942). Cumulative frequency functions. The Annals of mathematical statistics, 13(2):215–232.
Casella, G. & Berger, R. L. (2010). Inferência estatística. Cengage Learning.
Cordeiro, G. M., Ortega, E. M., & Nadarajah, S. (2010). The kumaraswamy weibull distribution with application to failure data. Journal of the Franklin Institute, 347(8):1399–1429.
Dagum, C. (1977). A new model of personal income distribution, 1economié apliquée.
Dahiya, R. C. & Gurland, J. (1972). Goodness of fit tests for the gamma and exponential distributions. Technometrics, 14(3):791–801.
De Santana, T. V. F., Ortega, E. M., Cordeiro, G. M., & Silva, G. O. (2012). The kumaraswamy-log-logistic distribution. Journal of Statistical Theory and Applications, 11(3):265–291.
Gupta, R. C., Gupta, P. L., & Gupta, R. D. (1998). Modeling failure time data by lehman alternatives. Communications in Statistics-Theory and methods, 27(4):887–904.
Kundu, D. & Gupta, R. D. (2008). Generalized exponential distribution: Bayesian estimations. Computational Statistics & Data Analysis, 52(4):1873–1883.
Lawless, J. F. (2011). Statistical models and methods for lifetime data, volume 362. John Wiley & Sons.
Lee, C., Famoye, F., & Olumolade, O. (2007). Beta-weibull distribution: some properties and applications to censored data. Journal of modern applied statistical methods, 6(1):17.
Maurya, S., Kaushik, A., Singh, S., & Singh, U. (2017). A new class of distribution having decreasing, increasing, and bathtub-shaped failure rate. Communications in Statistics-Theory and Methods, 46(20):10359–10372.
Nadarajah, S. (2006). The exponentiated gumbel distribution with climate application. Environmetrics: The official journal of the International Environmetrics Society, 17(1):13–23.
Nadarajah, S. & Gupta, A. K. (2007). The exponentiated gamma distribution with application to drought data. Calcutta Statistical Association Bulletin, 59(1-2):29–54.
Nadarajah, S. & Haghighi, F. (2011). An extension of the exponential distribution. Statistics, 45(6):543–558.
Pal, M., Ali, M. M., & Woo, J. (2006). Exponentiated weibull distribution. Statistica, 66(2):139–147.
Paranaíba, P. F., Ortega, E. M., Cordeiro, G. M., & Pascoa, M. A. d. (2013). The kumaraswamy burr xii distribution: theory and practice. Journal of Statistical Computation and Simulation, 83(11):2117–2143.
Paranaíba, P. F., Ortega, E. M., Cordeiro, G. M., & Pescim, R. R. (2011). The beta burr xii distribution with application to lifetime data. Computational statistics & data analysis, 55(2):1118–1136.
Proschan, F. (1963). Theoretical explanation of observed decreasing failure rate. Technometrics, 5(3):375–383.
Weibull, W. (1951). A statistical distribution function of wide applicability. Journal of applied mechanics.
Ximenes, P. d. S. M. P., da Silva, A. S. A., Ashkar, F., & Stosic, T. (2020). Ajuste de distribuições de probabilidade a precipitação mensal no estado de pernambuco–brasil. Research, Society and Development, 9(11):e4869119894–e4869119894.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Daniel Leonardo Ramírez Orozco
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
