Distribución predictiva bayesiana para modelos de pruebas de vida vía MCMC The Bayesian Predictive Distribution in Life Testing Models via MCMC

En el estudio de la confiabilidad es muy frecuente el desconocimiento de parámetros poblacionales; por tanto, es necesario recoger información muestral relevante para la estimación de estos a través de distribuciones de probabilidad, conocidas como distribución a priori. Los métodos bayesianos permi...

Full description

Bibliographic Details
Main Authors: CARLOS JAVIER BARRERA, JUAN CARLOS CORREA
Format: Article
Language:English
Published: Universidad Nacional de Colombia 2008-01-01
Series:Revista Colombiana de Estadística
Subjects:
Online Access:http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512008000200001
id doaj-32d69e0c5cb040d48922e8cb9b15573e
record_format Article
spelling doaj-32d69e0c5cb040d48922e8cb9b15573e2020-11-25T02:16:09ZengUniversidad Nacional de Colombia Revista Colombiana de Estadística0120-17512008-01-01312145155Distribución predictiva bayesiana para modelos de pruebas de vida vía MCMC The Bayesian Predictive Distribution in Life Testing Models via MCMCCARLOS JAVIER BARRERAJUAN CARLOS CORREAEn el estudio de la confiabilidad es muy frecuente el desconocimiento de parámetros poblacionales; por tanto, es necesario recoger información muestral relevante para la estimación de estos a través de distribuciones de probabilidad, conocidas como distribución a priori. Los métodos bayesianos permiten incorporar opiniones subjetivas acerca de incertidumbres con respecto al parámetro o vector de parámetros de interés. La incertidumbre acerca del verdadero valor de un parámetro de interés &theta; en la población es modelada por la función de densidad a priori &pi;(&theta;), (&theta; in &Theta;). Para obtener las distribuciones predictivas bayesianas, se implementará la metodología MCMC, la cual exige calibración, diseño, implementación y validación de algoritmos apropiados.<br>In reliability studies it is common to not know the population parameters, therefore, it becomes necessary to collect a sample in order to estimate the parameters of the assumed probability distribution. Bayesian methods allow to incorporate subjective information about uncertainties regarding the parameter or parameters of interest. From the bayesian point of view, the uncertainty about the true value of a parameter of interest &theta; in the population, is modeled by the prior density function &pi;(&theta;), (&theta;in&Theta;). We will implement the methodology MCMC to obtain the predictive bayesian distributions, which requires the calibration, design, implementation, in addition to the validation of appropriate algorithms.http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512008000200001a prioridistribución predictivafiabilidadMCMCPriorPredictive DistributionReliabilityMCMC
collection DOAJ
language English
format Article
sources DOAJ
author CARLOS JAVIER BARRERA
JUAN CARLOS CORREA
spellingShingle CARLOS JAVIER BARRERA
JUAN CARLOS CORREA
Distribución predictiva bayesiana para modelos de pruebas de vida vía MCMC The Bayesian Predictive Distribution in Life Testing Models via MCMC
Revista Colombiana de Estadística
a priori
distribución predictiva
fiabilidad
MCMC
Prior
Predictive Distribution
Reliability
MCMC
author_facet CARLOS JAVIER BARRERA
JUAN CARLOS CORREA
author_sort CARLOS JAVIER BARRERA
title Distribución predictiva bayesiana para modelos de pruebas de vida vía MCMC The Bayesian Predictive Distribution in Life Testing Models via MCMC
title_short Distribución predictiva bayesiana para modelos de pruebas de vida vía MCMC The Bayesian Predictive Distribution in Life Testing Models via MCMC
title_full Distribución predictiva bayesiana para modelos de pruebas de vida vía MCMC The Bayesian Predictive Distribution in Life Testing Models via MCMC
title_fullStr Distribución predictiva bayesiana para modelos de pruebas de vida vía MCMC The Bayesian Predictive Distribution in Life Testing Models via MCMC
title_full_unstemmed Distribución predictiva bayesiana para modelos de pruebas de vida vía MCMC The Bayesian Predictive Distribution in Life Testing Models via MCMC
title_sort distribución predictiva bayesiana para modelos de pruebas de vida vía mcmc the bayesian predictive distribution in life testing models via mcmc
publisher Universidad Nacional de Colombia
series Revista Colombiana de Estadística
issn 0120-1751
publishDate 2008-01-01
description En el estudio de la confiabilidad es muy frecuente el desconocimiento de parámetros poblacionales; por tanto, es necesario recoger información muestral relevante para la estimación de estos a través de distribuciones de probabilidad, conocidas como distribución a priori. Los métodos bayesianos permiten incorporar opiniones subjetivas acerca de incertidumbres con respecto al parámetro o vector de parámetros de interés. La incertidumbre acerca del verdadero valor de un parámetro de interés &theta; en la población es modelada por la función de densidad a priori &pi;(&theta;), (&theta; in &Theta;). Para obtener las distribuciones predictivas bayesianas, se implementará la metodología MCMC, la cual exige calibración, diseño, implementación y validación de algoritmos apropiados.<br>In reliability studies it is common to not know the population parameters, therefore, it becomes necessary to collect a sample in order to estimate the parameters of the assumed probability distribution. Bayesian methods allow to incorporate subjective information about uncertainties regarding the parameter or parameters of interest. From the bayesian point of view, the uncertainty about the true value of a parameter of interest &theta; in the population, is modeled by the prior density function &pi;(&theta;), (&theta;in&Theta;). We will implement the methodology MCMC to obtain the predictive bayesian distributions, which requires the calibration, design, implementation, in addition to the validation of appropriate algorithms.
topic a priori
distribución predictiva
fiabilidad
MCMC
Prior
Predictive Distribution
Reliability
MCMC
url http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512008000200001
work_keys_str_mv AT carlosjavierbarrera distribucionpredictivabayesianaparamodelosdepruebasdevidaviamcmcthebayesianpredictivedistributioninlifetestingmodelsviamcmc
AT juancarloscorrea distribucionpredictivabayesianaparamodelosdepruebasdevidaviamcmcthebayesianpredictivedistributioninlifetestingmodelsviamcmc
_version_ 1724892417066270720