Scielo RSS <![CDATA[Revista Colombiana de Estadística]]> http://www.scielo.org.co/rss.php?pid=0120-175120250001&lang=en vol. 48 num. 1 lang. en <![CDATA[SciELO Logo]]> http://www.scielo.org.co/img/en/fbpelogp.gif http://www.scielo.org.co <![CDATA[Editorial]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100001&lng=en&nrm=iso&tlng=en <![CDATA[AFlexible Discrete Probability Model for Partly Cloudy Days]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100002&lng=en&nrm=iso&tlng=en Abstract In this article, a discrete-valued probability model is proposed, its math- ematical properties and formulation are studied under the nabla structure, which include discrete Laplace transformation, moments, recurrence rela- tion between moments, index of dispersion, and asymptotic distribution of extremes. Furthermore, application of model with rereference to the partly cloudy days is discussed. Moreover, the model compatibility is checked by chi-square, Anderson Darling, Cramér von Mises, information criterion and Vuong statistics, and it is found that the proposed model is the best strategy for such data analysis.<hr/>Resumen En este artículo se propone un modelo de probabilidad en tiempo dis- creto, se estudian sus propiedades matemáticas y su formulación bajo la estructura nabla que incluye transformación discreta de Laplace, momentos, relación de recurrencia entre momentos, índice de dispersión y distribución asintótica de extremos. Además, se discute la aplicación del modelo con referencia a los días parcialmente nublados. Además, la compatibilidad del modelo se veri ca mediante chi-cuadrado, Anderson-Darling, Cramér-von Mises, criterio de información y estadísticas de Vuong y se encontró que el modelo propuesto es la mejor estrategia para dicho análisis de datos. <![CDATA[Closed-Form Predictive Density Estimation for Bivariate Gamma Distribution With Application in Hydrological Flood Data]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100025&lng=en&nrm=iso&tlng=en Abstract Finding closed-form solutions in Bayesian data analysis can be critical and time-saving, as it eliminates the need for computationally expensive techniques like MCMC methods. This paper explores Bayesian analysis with closed-form solutions of the bivariate gamma distribution. We present predictive density estimations under the Kullback-Leibler divergence, utilizing three well-known (non-) informative prior distributions, all analyzable in closed form. We compare these methods through simulation studies and a real-world example, applying them to hydrological flood data.<hr/>Resumen Encontrar soluciones en forma cerrada en el análisis de datos bayesiano puede ser fundamental y ahorrar tiempo, ya que elimina la necesidad de técnicas computacionalmente costosas como los métodos MCMC. Este artículo explora el análisis bayesiano con soluciones en forma cerrada para la distribución gamma bivariada. Presentamos estimaciones de densidad predictiva bajo la divergencia de Kullback-Leibler, utilizando tres distribuciones a priori bien conocidas (informativas y no informativas), todas analizables en forma cerrada. Comparamos estos métodos mediante estudios de simulación y un ejemplo del mundo real, aplicándolos a datos hidrológicos de inundaciones. <![CDATA[Introducing the Discrete xLindley Distribution: A One-Parameter Model for Overdispersed Data]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100039&lng=en&nrm=iso&tlng=en Abstract In this paper, we propose a new discrete model, the discrete analog of the xLindley distribution, as an alternative for modeling overdispersed data. The model was derived using the method of infinite series, allowing us to capture complex characteristics of the data, and its properties were studied in detail. Asymptotic results are presented to validate the model parameter estimates consistency in large samples. Additionally, a Bayesian approach was considered for inference with complete and right-censored data. The performance of the Bayesian estimators was evaluated through Monte Carlo simulations, enabling a comprehensive comparison of the effectiveness and efficiency of the estimators under different scenarios. The proposed model was applied to two real datasets, demonstrating its practical utility. The practical application included the analysis of discrete events in research environments, highlighting the model's flexibility in various situations. Furthermore, a comparison with other discrete distributions was provided, showcasing the advantages of the xLindley model over existing alternatives.<hr/>Resumen En este artículo, proponemos un nuevo modelo discreto, el análogo discreto de la distribución xLindley, como una alternativa para modelar datos sobredispersos. El modelo fue derivado utilizando el método de series infinitas, lo que nos permite capturar características complejas de los datos, y se estudiaron en detalle sus propiedades. Se presentan resultados asintóticos para validar la consistencia del modelo en grandes muestras. Además, se consideró un enfoque bayesiano para la inferencia con datos completos y censurados a la derecha. El rendimiento de los estimadores bayesianos se evaluó a través de simulaciones de Monte Cario, lo que permitió una comparación integral de la efectividad y eficiencia de los estimadores en diferentes escenarios. El modelo propuesto se aplicó a dos conjuntos de datos reales, demostrando su utilidad práctica. La aplicación práctica incluyó el análisis de eventos discretos en entornos de investigación, destacando la flexibilidad del modelo en diversas situaciones. Además, se proporcionó una comparación con otras distribuciones discretas, mostrando las ventajas del modelo xLindley sobre alternativas existentes. <![CDATA[Nowcasting the State of the Economy: An Application of Linear Combinations of Dynamic Common Factors to the Colombian Economy]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100071&lng=en&nrm=iso&tlng=en Abstract The main goal of this work is to propose a general methodology to create a coincident index for the economy of a given country or region based on linear combinations of dynamic common factors, and to validate it on simulated scenarios and on a case study for Colombia. The methodology proposed can effectively handle both stationary and nonstationary macroeconomic variables as input and provides tools to obtain point estimates and confidence regions, and to test hypotheses for the linear-combination coefficients. This work highlights how promising this new proposal is in terms of its contribution with respect to its antecedents in the literature, by showcasing situations in which a linear combination of dynamic factors can enhance the accuracy of the nowcast and address potential problems and limitations of considering only one dynamic factor as index. The application of this work to the Colombian economy is based on the macroeconomic analysis conducted by previous researchers. This work, however, considers and analyzes a much larger set of candidate indices via linear combinations of factors, providing consistent results; which strengthens and validates their previous findings.<hr/>Resumen El objetivo principal de este trabajo es proponer una metodología general para crear un índice coincidente para la economía de un país o región determinado, basada en combinaciones lineales de factores comunes dinámicos, y validarla en escenarios simulados y en un estudio de caso para Colombia. La metodología propuesta puede manejar de manera efectiva tanto variables macroeconómicas estacionarias como no estacionarias como datos de entrada y proporciona herramientas para obtener estimaciones puntuales y regiones de confianza, así como para probar hipótesis sobre los coeficientes de la combinación lineal. Este trabajo destaca lo prometedora que es esta nueva propuesta en términos de su contribución con respecto a sus antecedentes en la literatura, al mostrar situaciones en las que una combinación lineal de factores dinámicos puede mejorar la precisión del pronóstico del estado de la economía, además de abordar problemas y limitaciones potenciales al considerar solo un factor dinámico como índice. La aplicación de este trabajo a la economía colombiana se basa en el análisis macroeconómico realizado por investigadores previos. Sin embargo, este trabajo considera y analiza un conjunto mucho más amplio de índices candidatos a través de combinaciones lineales de factores, proporcionando resultados consistentes, lo que fortalece y valida sus hallazgos anteriores. <![CDATA[Small Samples, New Viruses, Inputs for Decision-Making and Methodology: Bootstrap and Smote]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100099&lng=en&nrm=iso&tlng=en Abstract This study presents a comprehensive methodology that combines resampling and oversampling techniques to address the challenges of limited and unbalanced data, specifically in the context of viral emergencies such as the COVID-19 pandemic. Utilizing advanced statistical techniques like Bootstrap and SMOTE, the study conducts a retrospective analysis of COVID-19 patients, identifying those at higher risk of mortality. The proposed methodology not only enhances the accuracy of predictions in scenarios with limited data but also facilitates better decision-making in clinical triage systems. By applying these methods, the study achieves early and accurate identification of high-risk individuals, optimizing resource allocation and timely medical interventions. The results demonstrate that this combination of statistical techniques effectively improves health systems and responses to new viral threats, providing a robust foundation for informed decision-making in medical emergencies.<hr/>Resumen Este estudio presenta una metodología integral que combina técnicas de remuestreo y sobremuestreo para abordar los desafíos de datos limitados y desbalanceados, específicamente en el contexto de emergencias virales como la pandemia de COVID-19. Utilizando técnicas estadísticas avanzadas como Bootstrap y SMOTE, el estudio realiza un análisis retrospectivo de pacientes con COVID-19, identificando a aquellos con mayor riesgo de mortalidad. La metodología propuesta no solo mejora la precisión de las predicciones en escenarios con datos limitados, sino que también facilita una mejor toma de decisiones en los sistemas de triaje clínico. Al aplicar estos métodos, el estudio logra una identificación temprana y precisa de individuos de alto riesgo, optimizando la asignación de recursos y las intervenciones médicas oportunas. Los resultados demuestran que esta combinación de técnicas estadísticas mejora de manera efectiva los sistemas de salud y las respuestas ante nuevas amenazas virales, proporcionando una base sólida para la toma de decisiones informadas en emergencias médicas. <![CDATA[Efficient Factor-Type Estimators of Population Mean in Case of Missing Data and Measurement Error]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100117&lng=en&nrm=iso&tlng=en Abstract In sample surveys, dealing with missingness in data is one of the most frequent problem that can be handled by replacing missing values with some imputed values. In addition to such missingness, of tenly data provided by respondents are under reported or over reported which results to "Measurement Error". In this paper, we have proposed three modified regression type estimators of population mean, using Factor-Type imputation strategy in two-phase sampling set up to deal with the problem of missing data and measurement error. While proposing our efficient estimators, we have considered two auxiliary variables which have chained correlation with the given study variable. The Bias and Mean Square Error of proposed estimators have been derived up to first order of approximation. The suitable conditions for the superiority of proposed estimators over some existing estimators have been derived. A simulation study is carried out using three artificial data sets to illustrate the supremacy of proposed estimators. Finally, real data set is used to demonstrate the efficiency of proposed estimators in practice.<hr/>Resumen En las encuestas por muestreo, lidiar con la falta de datos es uno de los problemas más frecuentes que se pueden manejar reemplazando los valores faltantes con algunos valores imputados. Además de tal falta, a menudo los datos proporcionados por los encuestados no se informan o se informan en exceso, lo que resulta en un error de medición. En este artículo, hemos propuesto tres estimadores de tipo de regresión modificada de la media de la población, utilizando la estrategia de imputación de tipo factor en el muestreo de dos fases establecido para tratar el problema de los datos faltantes y el error de medición. Al proponer nuestros estimadores eficientes, hemos considerado dos variables auxiliares que tienen una correlación encadenada con la variable de estudio dada. El sesgo y el error cuadrático medio de los estimadores propuestos se han derivado hasta el primer orden de aproximación. Se han derivado las condiciones adecuadas para la superioridad de los estimadores propuestos sobre algunos estimadores existentes. Se realiza un estudio de simulación utilizando tres conjuntos de datos artificiales para ilustrar la supremacía de los estimadores propuestos. Finalmente, el conjunto de datos reales se utiliza para demostrar la eficiencia de los estimadores propuestos en la práctica. <![CDATA[Forecast Quality with Information Uncertainty. Balancing and Estimation from Propensity Scores]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100157&lng=en&nrm=iso&tlng=en Abstract This study investigates whether analysts provide informative forecasts for stocks issued by firms with greater information uncertainty. As firm-specific information uncertainty is not directly observable, the research highlights the role of analysts' forecasts and reports in offering valuable insights to investors. It also investigates whether forecast quality is sufficiently captured by forecast bias. The findings indicate that forecast quality tends to be lower for firms with greater information uncertainty and that forecast bias alone does not fully reflect the informational content of analysts' forecasts. Overall, the results suggest that analysts' forecasts possess positive informational value.<hr/>Resumen Este estudio investiga si los analistas proporcionan pronósticos informativos para las acciones emitidas por empresas con mayor incertidumbre de información. Dado que la incertidumbre de información específica de la empresa no es directamente observable, el artículo destaca el papel de los pronósticos y los informes de los analistas en ofrecer información valiosa a los inversores. También examina si la calidad de los pronósticos se captura adecuadamente mediante el sesgo de los pronósticos. Los resultados indican que la calidad de los pronósticos tiende a ser menor para las empresas con mayor incertidumbre de información y que el sesgo de los pronósticos por sí solo no refleja completamente el contenido informativo de estos. En conjunto, los resultados sugieren que los pronósticos de los analistas poseen un valor informativo positivo. <![CDATA[Modeling Experimental Designs Including Longitudinal Data and a Functional Covariate]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100177&lng=en&nrm=iso&tlng=en Abstract The study of longitudinal measures of chlorophyll concentrations is key to reducing the risk of yield-limiting deficiencies or costly over fertilizing. Factors as irrigation and fertilization can influence the chlorophyll content. In this research we analyzed data from a experimental design of chlorophyll concentrations in chili pepper plants under the effect of two factors (fertilizer and irrigation, both with four levels) recorded weekly (for seven weeks). The spectral signature curves obtained for each plant was included in the model as a functional covariate. We propose an alternative for the analysis of data from experimental designs involving longitudinal data (LD) and a functional covariate. Two smoothing approaches using basis functions and functional principal component reduce the problem to the application of a Linear Mixed Model (LMM) to LD in the presence of multiple scalar covariates. In both approaches, the results indicate that the inclusion of the functional covariate (spectral signature) contributes to explain the relationship between the chlorophyll concentration and the factors analyzed.<hr/>Resumen El estudio de mediciones longitudinales de concentraciones de clorofila es clave para reducir el riesgo de deficiencias que limiten el crecimiento o de una fertilización excesiva y costosa. Factores como la irrigación y la fertilización pueden influir en el contenido de clorofila. En esta investigación analizamos datos de un diseño experimental de concentraciones de clorofila en plantas de ají picante, bajo el efecto de dos factores (fertilizante e irrigación, ambos con cuatro niveles), registrados semanalmente (durante siete semanas). Las curvas de firma espectral obtenidas por cada planta se incluyeron en el modelo como una covariable funcional. Proponemos una alternativa para el análisis de datos de diseños experimentales que involucran datos longitudinales (DL) y una covariable funcional. Dos enfoques de suavización que utilizan funciones base y componentes principales funcionales reducen el problema a la aplicación de un modelo lineal mixto (MLM) a DL en presencia de múltiples covariables escalares. En ambas alternativas, los resultados indican que la inclusión de una covariables funcional (firma espectral) contribuye a explicar la relación entre la concentración de clorofila y los factores analizados. <![CDATA[Defective Survival Modeling and Cure Rate Analysis of COVID-19: A Cross-Location Comparative Study Using Parametric and Non-Parametric Approaches with Demographic Insights]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100195&lng=en&nrm=iso&tlng=en Abstract The COVID-19 pandemic has inflicted substantial global morbidity and mortality since December 2019. This study endeavors to model the survival and cure rates of COVID-19 patients using advanced defective modeling techniques and leveraging sophisticated machine learning methods to enhance prediction accuracy. We applied a range of statistical approaches-including parametric, semi-parametric, and non-parametric methods-to fit established and novel models to COVID-19 survival data, with a particular focus on the Defective Gompertz Distribution. To our knowledge, this study represents the pioneering use of defective modeling techniques for estimating cure rates in COVID-19 research. Furthermore, we conducted a comparative analysis across different locations and countries using geographical and demographic data from our dataset. This exploration aimed to uncover variations in survival and cure rates influenced by factors such as socioeconomic status (SES), urban versus rural residence, and healthcare accessibility. Our findings revealed significant disparities in survival and cure rates associated with demographic variables such as age, gender, SES, urbanicity, and healthcare access. Additionally, the study assessed the impact of various public health interventions and identified best practices implemented by different countries. Overall, our results contribute valuable insights to ongoing efforts aimed at comprehending and mitigating the impact of COVID-19 through robust statistical and machine learning modeling techniques. These findings are crucial for informing public health policies and interventions worldwide.<hr/>Resumen La pandemia de COVID-19 ha causado una morbilidad y mortalidad sustancial a nivel global desde diciembre de 2019. Este estudio tiene como objetivo modelar las tasas de supervivencia y curación de pacientes con COVID-19 utilizando técnicas avanzadas de modelado defectuoso y métodos sofisticados de aprendizaje automático para mejorar la precisión de las predicciones. Aplicamos una variedad de enfoques estadísticos, incluyendo métodos paramétricos, semiparamétricos y no paramétricos, para ajustar modelos establecidos y novedosos a los datos de supervivencia del COVID-19, con un enfoque particular en la Distribución de Gompertz Defectuosa. Según nuestro conocimiento, este estudio representa el uso pionero de técnicas de modelado defectuoso para estimar tasas de curación en investigaciones relacionadas con COVID-19. Además, realizamos un análisis comparativo entre diferentes ubicaciones y países utilizando datos geográficos y demográficos de nuestro conjunto de datos. Esta exploración buscó identificar variaciones en las tasas de supervivencia y curación influenciadas por factores como el nivel socioeconómico (NSE), la residencia urbana frente a rural y el acceso a la atención médica. Nuestros hallazgos revelaron disparidades significativas en las tasas de supervivencia y curación asociadas con variables demográficas como la edad, el género, el NSE, la urbanización y el acceso a los servicios de salud. Adicionalmente, el estudio evaluó el impacto de diversas intervenciones de salud pública e identificó mejores prácticas implementadas por diferentes países. En general, nuestros resultados aportan información valiosa a los esfuerzos en curso para comprender y mitigar el impacto del COVID-19 mediante técnicas sólidas de modelado estadístico y aprendizaje automático. Estos hallazgos son cruciales para informar políticas e intervenciones de salud pública a nivel mundial. <![CDATA[A Class of Ratio Cum Product Estimators with Non-Response and Measurement Error Using ORRT Models: A Double Sampling Scheme]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100215&lng=en&nrm=iso&tlng=en Abstract The current study employs the ratio-cum-product estimator to estimate the population mean of a sensitive study variable, aiming to overcome issues related to non-response and measurement error in the context of double sampling. The characteristics of the proposed class of estimators are computed up to the first order of approximation. A comparative analysis is conducted to assess the performance of the suggested estimator amongst the class of estimator and the estimator proposed by Kumar &amp; Zhang (2023). Additionally, theoretical findings are supported by conducting two model based simulation study by using an hypothetical population. The simulation results demonstrates that the proposed ratio-cum-product estimator under double sampling exhibits the lowest mean squared error among Kumar &amp; Zhang (2023) estimator and all classes of suggested estimator which indicates their superior performance in estimating the population mean of a sensitive variable. As a result, the suggested estimator offers a valuable tool for estimating the population mean in surveys conducted across various agriculture, environmental studies, market research and health surveys.<hr/>Resumen El presente estudio emplea el estimador de razón-producto para estimar la media poblacional de una variable de estudio sensible, con el objetivo de superar los problemas relacionados con la falta de respuesta y el error de medición en el contexto del muestreo doble. Las características de la clase de estimadores propuesta se calculan hasta el primer orden de aproximación. Se realiza un análisis comparativo para evaluar el desempeño del estimador sugerido entre la clase de estimador y el estimador propuesto por Kumar &amp; Zhang (2023). Además, los hallazgos teóricos se respaldan mediante la realización de un estudio de simulación utilizando una población creada artificialmente. Los resultados de la simulación demuestran que el estimador de razón-producto propuesto bajo muestreo doble exhibe el error cuadrático medio más bajo entre el estimador de Kumar &amp; Zhang (2023) y todas las clases de estimador sugerido, lo que indica su desempeño superior en la estimación de la población, media de una variable sensible. Como resultado, el estimador sugerido ofrece una herramienta valiosa para estimar la media poblacional en encuestas realizadas en diversos estudios agrícolas, ambientales, de mercado y de salud. <![CDATA[Extreme Value Modeling with the Compound Poisson Process: Predicting Speeding Fine Collections]]> http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512025000100239&lng=en&nrm=iso&tlng=en Abstract Speeding violations are intended as both punitive and educational actions for drivers who exceed the maximum allowed speed on the roads. Prom a tax collection perspective, they have a significant impact on the municipal budget. Extreme Value Theory has been a valuable tool for modeling the distribution of speeding violations. Additionally, it is equally important to model the daily number of speeding occurrences. A powerful method for jointly modeling both variables is the Compound Poisson Process. By understanding both speeding behavior and the number of infractions, we can estimate the expected value of total tax collections. A mixture of Gamma densities combining with the Generalized Pareto Distribution (GPD) in tail was proposed to model the distribution of speeding values. The results indicated significant potential for tax collection.<hr/>Resumen Las infracciones por exceso de velocidad están destinadas tanto a acciones punitivas como educativas para los conductores que superan la velocidad máxima permitida en las carreteras. Desde una perspectiva de recaudación fiscal, tienen un impacto significativo en el presupuesto municipal. La Teoría de Valores Extremos ha sido una herramienta valiosa para modelar la distribución de las infracciones por exceso de velocidad. Además, es igualmente importante modelar el número diario de estas infracciones. Un método poderoso para modelar ambas variables conjuntamente es el Proceso de Poisson Compuesto. Al comprender tanto el comportamiento de los conductores como el número de infracciones, podemos estimar el valor esperado de la recaudación total de impuestos. Se propuso una mezcla de densidades Gamma combinada con la Distribución Generalizada de Pareto (GPD, por sus siglas en inglés) en la cola para modelar la distribución de los valores de exceso de velocidad. Los resultados indicaron un potencial significativo para la recaudación fiscal.