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