Bayesian inference for two-parameter gamma distribution assuming different noninformative priors

En este artículo diferentes distribuciones a priori son derivadas en una inferenciaBayesiana de la distribución Gamma de dos parámetros. A prioris noinformativas tales como las de Jeffrey, de referencia, MDIP, Tibshirani y unapriori innovativa basada en la alternativa por cópulas son investigadas. Semuestra que una a priori de información de datos maximales conlleva a una a posteriori impropia y que las diferentes escogencias del parámetro de interéspermiten diferentes a prioris de referencia en este caso. Datos simulados permitencalcular las estimaciones Bayesianas e intervalos de credibilidad paralos parámetros desconocidos así como la evaluación del desempeño de lasdistribuciones a priori evaluadas. El análisis Bayesiano se desarrolla usandométodos MCMC (Markov Chain Monte Carlo) para generar las muestras dela distribución a posteriori bajo las a priori consideradas.

• Autores: Moala, Fernando Antonio; Ramos, Pedro Luiz; Achcar, Jorge Alberto
• Tipo de recurso: Article of journal
• Fecha de publicación: 2013
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/49087
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/49087; http://bdigital.unal.edu.co/42544/
• Palabra clave: a prioris de Jeffrey; a prioris no informativas; conjugada; cópulas; distribución Gamma; MCMC; MDIP; ortogonal; referencia
• Rights: closedAccess
• License: Atribución-NoComercial 4.0 Internacional