Browsing by Author "Arellano Valle, Reinaldo Boris"
Now showing 1 - 11 of 11
Results Per Page
Sort Options
- ItemA flexible class of parametric distributions for Bayesian linear mixed models(2019) Maleki, Mohsen; Wraith, Darren; Arellano Valle, Reinaldo Boris
- ItemA skew-normal dynamic linear model and Bayesian forecasting(2019) Arellano Valle, Reinaldo Boris; Contreras Reyes, Javier E.; López Quintero, Freddy Omar; Valdebenito Sanhueza, Abel
- ItemBayesian mismeasurement t-models for censored responses(2016) Rocha, G.; Loschi, R.; Arellano Valle, Reinaldo Boris
- ItemBias reduction of maximum likelihood estimates for a modified skew-normal distribution(2016) Arrué, J.; Arellano Valle, Reinaldo Boris; Gómez, H.
- ItemChange Point Detection in The Skew-Normal Model Parameters(2013) Arellano Valle, Reinaldo Boris; Castro Cepero, Luis Mauricio; Loschi, Rosangela H.
- ItemConditioning on Uncertain Event: Extensions to Bayesian Inference(2002) Loschi, Rosangela Helena; Arellano Valle, Reinaldo Boris; Iglesias Zuazola, Pilar Loreto
- ItemEstimation and diagnostic analysis in skew-generalized-normal regression models(2018) Ferreira, Clécio S.; Arellano Valle, Reinaldo Boris
- ItemModelo con error de medición two-piece normal.(2019) Santoro Pizarro, Karol I.; Arellano Valle, Reinaldo Boris; Pontificia Universidad Católica de Chile. Facultad de MatemáticasEn este trabajo se discute el modelo simple con errores de medición y una extensión multivariada, donde se considera principalmente el modelo estructual, suponiendo que el error de la regresión de respuesta sigue una distribución de dos piezas. Después de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos en el caso donde la densidad base es una distribución normal. Lo interesante de usar como densidad base la distribución normal, es que el desarrollo entrega una mezcla de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita la construcción de un algoritmo tipo EM para realizar la estimación de máxima verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología, utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión multivariada, donde se considera principalmente el modelo estructual, suponiendo que el error de la regresión de respuesta sigue una distribución de dos piezas. Después de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos en el caso donde la densidad base es una distribución normal. Lo interesante de usar como densidad base la distribución normal, es que el desarrollo entrega una mezcla de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita la construcción de un algoritmo tipo EM para realizar la estimación de máxima verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología, utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión multivariada, donde se considera principalmente el modelo estructual, suponiendo que el error de la regresión de respuesta sigue una distribución de dos piezas. Después de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos en el caso donde la densidad base es una distribución normal. Lo interesante de usar como densidad base la distribución normal, es que el desarrollo entrega una mezcla de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita la construcción de un algoritmo tipo EM para realizar la estimación de máxima verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología, utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión multivariada, donde se considera principalmente el modelo estructual, suponiendo que el error de la regresión de respuesta sigue una distribución de dos piezas. Después de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos en el caso donde la densidad base es una distribución normal. Lo interesante de usar como densidad base la distribución normal, es que el desarrollo entrega una mezcla de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita la construcción de un algoritmo tipo EM para realizar la estimación de máxima verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología, utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión multivariada, donde se considera principalmente el modelo estructual, suponiendo que el error de la regresión de respuesta sigue una distribución de dos piezas. Después de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos en el caso donde la densidad base es una distribución normal. Lo interesante de usar como densidad base la distribución normal, es que el desarrollo entrega una mezcla de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita la construcción de un algoritmo tipo EM para realizar la estimación de máxima verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología, utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión multivariada, donde se considera principalmente el modelo estructual, suponiendo que el error de la regresión de respuesta sigue una distribución de dos piezas. Después de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos en el caso donde la densidad base es una distribución normal. Lo interesante de usar como densidad base la distribución normal, es que el desarrollo entrega una mezcla de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita la construcción de un algoritmo tipo EM para realizar la estimación de máxima verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología, utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión multivariada, donde se considera principalmente el modelo estructual, suponiendo que el error de la regresión de respuesta sigue una distribución de dos piezas. Después de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos en el caso donde la densidad base es una distribución normal. Lo interesante de usar como densidad base la distribución normal, es que el desarrollo entrega una mezcla de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita la construcción de un algoritmo tipo EM para realizar la estimación de máxima verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología, utilizando datos simulados y reales.En este trabajo se discute el modelo simple con errores de medición y una extensión multivariada, donde se considera principalmente el modelo estructual, suponiendo que el error de la regresión de respuesta sigue una distribución de dos piezas. Después de confi gurar una fórmula general para distribuciones de dos piezas, nos centramos en el caso donde la densidad base es una distribución normal. Lo interesante de usar como densidad base la distribución normal, es que el desarrollo entrega una mezcla de dos componentes de distribuciones skew-normal multivariada. Esta conexión facilita la construcción de un algoritmo tipo EM para realizar la estimación de máxima verosimilitud. Se obtiene la función de probabilidad de los datos observados, que se puede maximizar mediante el uso de software estadístico existente. Inferencia sobre los parámetros de interés puede ser abordado mediante el uso de la matriz de información observada, que también se puede calcular mediante el uso de software estadístico existente. Finalmente, se realiza algunas ilustraciones numéricas de la metodología, utilizando datos simulados y reales.
- ItemOn the multivariate skew-normal-Cauchy distribution(2016) Kahrari, F.; Rezaei, M.; Yousefzadeh, F.; Arellano Valle, Reinaldo Boris
- ItemScale and shape mixtures of multivariate skew-normal distributions(2018) Arellano Valle, Reinaldo Boris; Ferreira, Clécio S.; Genton, Marc G.
- ItemSkewed factor models using selection mechanisms(2016) Kim, Hyoung-Moon.; Maadooliat, Mehdi.; Arellano Valle, Reinaldo Boris; Genton, Marc G.