Comparación de 13 intervalos de confianza para los parámetros de la distribución multinomial
La distribucion multinomial es fundamental para la descripcion de fenomenos en los que pueden ocurrir k>2 eventos excluyentes, cada uno con probabilidadπ=(π1,π2,...,πk). Algunos ejemplos de esta distribucion incluyen la calidad de un producto o encuestas de seleccion multiple. Un problema de gran...
- Autores:
-
González Gómez, Difariney
Correa Velásquez, Juan Carlos
Vélez Valbuena, Jorge Iván
- Tipo de recurso:
- Article of investigation
- Fecha de publicación:
- 2015
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/47035
- Acceso en línea:
- https://hdl.handle.net/10495/47035
- Palabra clave:
- Cómputos Matemáticos
Mathematical Computing
Intervalos de Confianza
Confidence Intervals
Distribución Binomial
Binomial Distribution
Estadística como Asunto
Statistics as Topic
https://id.nlm.nih.gov/mesh/D008432
https://id.nlm.nih.gov/mesh/D016001
https://id.nlm.nih.gov/mesh/D016010
https://id.nlm.nih.gov/mesh/D013223
- Rights
- openAccess
- License
- https://creativecommons.org/licenses/by-nc-nd/4.0/
| Summary: | La distribucion multinomial es fundamental para la descripcion de fenomenos en los que pueden ocurrir k>2 eventos excluyentes, cada uno con probabilidadπ=(π1,π2,...,πk). Algunos ejemplos de esta distribucion incluyen la calidad de un producto o encuestas de seleccion multiple. Un problema de gran interes en inferencia estadıstica es la construccion de intervalos de confianza para π. En este trabajo se comparan, a traves de un estudio de simulacion, 13 metodologıas para la construccion de intervalos de confianza para los parametros de dicha distribucion. Utilizando el nivel de confianza nominal, la longitud del intervalo y una combinacion de ́estos como criterios de comparacion, se encuentra que los intervalos de confianza basados en el Teorema del Lımite Central no presentan el mejor desempeno. Finalmente se recomiendan los metodos basados en la distribucion F (Leemis, 1996), seguido del metodo de verosimilitud relativa (Kalbfleish, 1985) y Quesenberry & Hurst (1964) |
|---|
