Análisis bayesiano para la distribución lognormal generalizada aplicada a modelos de falla con censura

RESUMEN: Existen varias versiones de la distribución lognormal en la literatura estadística y una de ellas está basada en la transformación exponencial de la distribución normal generalizada (NG). En el presente artículo se presenta el análisis Bayesiano para la distribución lognormal generalizada (...

Full description

Autores:
Úsuga Manco, Olga Cecilia
Tipo de recurso:
Article of investigation
Fecha de publicación:
2011
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/9172
Acceso en línea:
http://hdl.handle.net/10495/9172
Palabra clave:
Análisis de tiempo de falla
Failure time data analysis
Teoría bayesiana de decisiones estadísticas
Bayesian statistical decision theory
Muestreador de Gibbs
Distribución lognormal
Estadística
Statistics
Ingeniería de control
Ingeniería industrial
Log-normal distribution
Control engineering
Industrial engineering
Rights
openAccess
License
Atribución 2.5 Colombia (CC BY 2.5 CO)
Description
Summary:RESUMEN: Existen varias versiones de la distribución lognormal en la literatura estadística y una de ellas está basada en la transformación exponencial de la distribución normal generalizada (NG). En el presente artículo se presenta el análisis Bayesiano para la distribución lognormal generalizada (logNG) considerando distribuciones a priori de Jeffreys independientes para los parámetros; así como el procedimiento para implementar el muestreador de Gibbs que permite obtener las distribuciones a posteriori de los parámetros. Los resultados obtenidos son usados para analizar modelos de tiempo de falla con datos no censurados y censurados a derecha Tipo I. El procedimiento propuesto es ilustrado usando una base de datos real relacionada con tiempos de falla de computadores. Palabras clave: análisis de tiempo de falla, censura a derecha, distribución lognormal generalizada, inferencia bayesiana, muestreador de Gibbs.