J. T. Rodríguez González, M. Jaenada Malagón
Este trabajo trata la estimación de mixturas M de distribuciones de ley de potencia discretas (DLPD). Aparte de las probabilidades de mixtura, M contiene 2 parámetros (cota inferior y exponente) por cada DLPD de partida. Para la aplicación que se estudia (obtención de umbrales de hiperautoría), es preciso que la M estimada capture lo mejor posible la cola de la distribución empírica observada E. Para ello, se define una nueva métrica de distancia entre M y E basada en la diferencia de logaritmos de las funciones de supervivencia de M y E. Esta métrica se emplea entonces como función objetivo F en una heurística de tipo cross entropy para la estimación de los parámetros del modelo probabilístico salvo la mínima cota inferior, que se asume dada. Este parámetro a su vez se estima mediante un procedimiento iterativo que recorre una sucesión de valores posibles y selecciona aquel que minimiza la diferencia entre las funciones de distribución de E y de la M estimada con cada MCI candidata.
Keywords: Estimación paramétrica, mixturas, distribuciones de ley de potencia discretas
Scheduled
Statistics Applications
June 10, 2025 7:00 PM
Sala 3. Maria Rúbies Garrofé