Inferencia con la Distribución Normal Asimétrica

Dr. Javier Suárez Espinosa
(COLPOS)





Abstract:
Aunque muchos problemas prácticos el supuesto de normalidad tiene resultados razonables, especialistas como: economistas, ingenieros y otros investigadores han reconocido que la distribución normal no refleja la realidad y por lo tanto los resultados obtenidos bajo este supuesto no son aceptables. Por lo anterior, investigadores han propuesto otros modelos que podrían proveer de un mejor ajuste para datos reales. Entre los modelos propuestos la distribución normal asimétrica (Azzalini, 1985) ha recibido considerable atención por sus propiedades y su aplicación potencial. Esta distribución tiene un parámetro de forma que puede modelar asimetría hacia la izquierda o derecha, y cuando el parámetro es cero el modelo se reduce a la distribución normal. Aunque se puede decir que esta distribución es tratable matemáticamente y su función generatriz de momentos tiene forma cerrada, se han encontrado dificultades para estimar el parámetro de forma. Los métodos tradicionales como el método de momentos y máxima verosimilitud parecen ser insatisfactorios. La presente charla se enfoca en propuestas de solución a este problema. La primera opción es usar el método de distancia mínima entre la función generatriz de momentos (FGM) y su correspondiente FGM empírica. Se presentan resultados de simulación del desempeño del estimador resultante. La segunda opción es el enfoque Bayesiano el cual es usado en este trabajo para hacer inferencias sobre el parámetro de asimetría usando distribuciones a priori en la parametrización centrada. La distribución a posteriori fue obtenida usando el algoritmo Metropolis-Hastings. Un estudio de simulación da evidencia de que el método propuesto es útil para este problema.



Fecha   :      Lunes 08 de Septiembre de  2014
Lugar   :      Salon 203, edificio Anexo del IIMAS
Hora    :      13:00 horas
Café y galletas:  12:45 horas