Resumen

PEREZ-RODRIGUEZ, PAULINO; VILLASENOR, JOSé A.; PEREZ, SERGIO  y  SUAREZ, JAVIER. Estimación bayesiana para la parametrización centrada de la distribución normal-asimétrica. Rev.Colomb.Estad. [online]. 2017, vol.40, n.1, pp.123-140. ISSN 0120-1751.  https://doi.org/10.15446/rce.v40n1.55244.

La distribución Normal Asimétrica (SN) es una generalización de la distribución normal, incluye un parámetro extra que le permite adoptar formas asimétricas. La distribución SN tiene algunas de las propiedades de la distribución normal univariada, lo que la hace muy atractiva desde el punto de vista práctico; sin embargo presenta algunos problemas de inferencia. Particularmente, el estimador de máxima verosimilitud para el parámetro de forma tiende a infinito con probabilidad positiva. Se propone una solución Bayesiana que permite hacer inferencia sobre los parámetros de esta distribución asignando distribuciones impropias en la "parametrización centrada" para el parámetro de localidad y el de escala y una distribución tipo Beta para el parámetro de forma. Las muestras de las distribuciones posteriores se obtienen utilizando el algoritmo de Metropolis-Hastings. Un estudio de simulación muestra que la moda de la distribución posterior parece ser un buen estimador, en términos de sesgo y error cuadrado medio. Se presenta también un estudio de simulación donde se compara el procedimiento propuesto contra otros procedimientos. Los resultados de simulación proveen evidencia de que el método propuesto es más fácil de implementar que las metodologías previas. Se incluyen también algunas aplicaciones y comparaciones.

Palabras clave : algoritmo de Metropolis-Hastings; distribuciones a priori; estimación puntual.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )