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. S...

Full description

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
Description
Summary: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.