Return to search

Nova generalização para a classe Beta-G de distribuições de probabilidade

Submitted by Mario BC (mario@bc.ufrpe.br) on 2016-08-01T12:23:27Z
No. of bitstreams: 1
Glaucia Tadu de Souza.pdf: 877784 bytes, checksum: ccbab2806d7ec089da4ec4976e11ce8e (MD5) / Made available in DSpace on 2016-08-01T12:23:27Z (GMT). No. of bitstreams: 1
Glaucia Tadu de Souza.pdf: 877784 bytes, checksum: ccbab2806d7ec089da4ec4976e11ce8e (MD5)
Previous issue date: 2016-03-04 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / We propose a new generator of continuous distributions with three extra parameters
called the Beta ( (1 − G), (1 − )G + ), which generalizes the Beta-G class. Some special
cases are presented. The new density function can be expressed as a difference of linear
combinations of exponentiated densities based on the same baseline distribution. Various
structural properties of the new class, which hold for any baseline model, are derived
including explicit expressions for the moments of order n, the moment generating function,
the characteristic function, central moments of order n, the general coefficient, the mean
deviations, residual life function, reverse life function and order statistics. We discuss
estimation of the model parameters by maximum likelihood and provide an application to
a real data set. / Propusemos um novo gerador de distribuições contínuas com três parâmetros adicionais chamado Beta ( (1−G), (1− )G+ ), que generaliza a classe Beta-G. Alguns casos especiais são apresentados. A nova função densidade pode ser expressa como uma diferença de combinações lineares de densidades exponencializadas através da mesma distribuição-base. Várias propriedades estruturais da nova classe, as quais valem para qualquer distribuiçãobase são derivadas, incluindo expressões explicitas para os momentos de ordem n, função geradora de momentos, função característica, momentos centrais de ordem n, coeficiente geral, desvios médios, função de vida residual, função de vida reversa e estatísticas de
ordem. Discutimos a estimação dos parâmetros do modelo através do método de máxima verossimilhança e fornecemos uma aplicação a um conjunto de dados reais.

Identiferoai:union.ndltd.org:IBICT/oai:tede2:tede2/5125
Date04 March 2016
CreatorsSOUZA, Glaucia Tadu de
ContributorsOLIVEIRA JUNIOR, Wilson Rosa de, BRITO, Cícero Carlos Ramos de, SILVA, Frank Sinatra Gomes da, SILVA, Ronaldo Venâncio da
PublisherUniversidade Federal Rural de Pernambuco, Programa de Pós-Graduação em Biometria e Estatística Aplicada, UFRPE, Brasil, Departamento de Estatística e Informática
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFRPE, instname:Universidade Federal Rural de Pernambuco, instacron:UFRPE
Rightsinfo:eu-repo/semantics/openAccess
Relation768382242446187918, 600, 600, 600, 600, -6774555140396120501, -5836407828185143517, 2075167498588264571

Page generated in 0.0119 seconds