La eleccion de tratamiento como problema de decision predictiva

Resumen En este trabajo se estudia el problema de elección de tratamiento como un problema de decisión predictiva, proponiéndose un sistema de hipótesis suficientemente general para el cálculo de la distribución prognóstica. El modelo teórico propuesto se aplica a unos datos médicos obtenidos en el estudio de una nueva operación de neurocirugía.     

Distribucion final de referencia para el problema de Fieller-Creasy

Resumen El problema de hacer inferencias sobre el cociente de las medias de dos poblaciones normales, conocido como problema de Fieller-Creasy, es de interés particular en las ciencias experimentales que continuamente necesitan hacer comparaciones relativas de diferentes métodos. Desde un punto de vista Bayesiano, el problema se reduce a calcular la distribución final de dicho cociente. En este trabajo se determina la distribución final de referencia, esto es utilizando tan sólo la información proporcionada por los datos, para el caso de dos poblaciones independientes con varianzas desconocidas y no necesariamente iguales, comprobando el funcionamiento de la solución obtenida frente a los datos históricos de Cushny-Peebles y a muestras simuladas.      

Modelos para la asignacion de tratamiento

Resumen Se estudia el problema de la asignación de tratamiento desde el punto de vista de la decisión predictiva. Se supone definida la utilidad de obtener unas características finalesy al aplicar un tratamientoa a un individuo de características inicialesx. El problema se reduce a hallar la utilidad dea dadox; se hace mediante distribuciones prognósticas y diagnósticas. Para hallar las distribuciones prognósticas se utilizan modelos de regresión y particiones adecuadas de la población según ciertas características iniciales y/o perturbadoras. Se dan criterios para dise?ar el experimento, con el fin de aprovechar al máximo la información y tama?o del banco de datos. Los métodos propuestos en este trabajo son de interés práctico principalmente cuando se tienen características finales continuas.      

Una solucion bayesiana a la Paradoja de Stein

Resumen Stein (1959), en su artículo sobre la gran discrepancia entre intervalos de confianza e intervalos fiduciales, puso de relieve el comportamiento poco convincente de la distribución inicial uniforme para el vector de medias de una normal multivariante si nuestro interés se centra en hacer inferencias sobre el cuadrado de su norma. En este artículo, utilizando el método de maximización de la información desconocida (Bernardo, 1979), se estudia en qué sentido la distribución inicial del vector de medias debe ser “corregida” mediante la obtención de la distribución inicial mínimo-informativa para el cuadrado de su norma y se exponen los resultados a que dicha corrección conduce.      

Sobre una solucion recursiva para una cadena de Markov n-dimensional en tiempo continuo

Resumen Se considera una solución recursiva para una cadena de Markovn-dimensional en tiempo continuo, basada en una función enteraK y en la que aparece una familia de polinomios. Se hace un estudio de esta familia, a partir del análisis de una clase de subconjuntos deIm(K), con el objetivo de encontrar la subfamilia de polinomios que aparece explícitamente en la solución recursiva, en términos de la distribución de probabilidad absoluta de la cadena, y la subfamilia que es necesario y suficiente calcular en el procedimiento recursivo, con lo que se consiguen ventajas considerables en el tratamiento automatizado de tal solución. Se da, además, una nueva expresión para la citada solución.      

Analisis de distribuciones a priori bajo cierta informacion parcial

Resumen Se calculan las distribuciones menos informativas cuando se utilizan como medidas de información la entropía informacional de Onicescu, tanto si el espacio de estados Θ es continuo (intervalo deR) como si es discreto y suponiendo que el decisor posee información acerca de algunas características de la distribución a priori (monotonías de la función de densidad, probabilidades de subconjuntos de Θ, monotonías o cotas de la razón de fallo).

---

The less informative distributions are calculated when we use as measure of information the useful entropy and the informational energy of Onicescu whether the espace of states is continuos (interval ofR) or it is discrete, and suppossing that the decider possesses information about some characteristics of the a priori distribution (mononies of the probability density function, probabilities of subsets, monotonies or boundaries on failures ratio).

     

Funciones de evaluacion modales

Resumen Este trabajo contiene la definición, justificación intuitiva, caracterización y principales propiedades y casos particulares de las denominadas functiones de evaluación modales. Se considera un problema de decisión con espacio paramétrico finito y conjunto de acciones igual al conjunto de posibles distribuciones de probabilidad sobre él; se trata de estudiar las funciones de utilidad que, en este caso y mediante el criterio Bayes, conducen a tomar como acción óptima la distribución degenerada en la moda. Los resultados fundamentales son la caracterización mediante la función de incertidumbre correspondiente al máximo y la obtención de las diversas clases modales. Financiado con el Proyecto de Investigación del Consejo Superior de Investigaciones Científicas ID 760 (CAICYT).     

Eleccion de variables en regresion lineal un problema de decision

Resumen Utilizando los principios básicos de la teoría de la decisión, se propone una estructura general para el problema de elección de variables en regresión. En particular se obtienen resultados para la elección del mejor modelo lineal normal homocedástico, tanto si el objetivo es el cáculo de la distribución predictiva de la variable respuesta como si se desea un estimador puntual de la misma. Los resultados obtenidos se comparan con los métodos clásicos más difundidos.      

Estimacion secuencial optima de una distribucion binomial tomando como perdida la divergencia funcional

Resumen En este artículo se estudia, el plan secuencial óptimo para estimar una distribución binomial, tomando como función de pérdida la divergencia funcional más un coste fijo por observación. Admitiendo una distribución a priori del tipo Beta, se prueba que el plan secuencial óptimo es acotado, determinándose la cotaN ₀, las decisiones secuenciales óptimas y la regla de parada.

---

Summary In this paper an optimal sequential plan is given for estimating a binomial distribution with divergence loss function and a fixed cost in each observation. Assuming that the prior distribution is a Beta distribution, we prove that optimal sequential plan is bounded; the boundN ₀ is determined, finally the optimal decision rule and the stopping rule are given.

     

Transformacion de estimadores bayesianos de la fiabilidad de una distribucion exponencial con muestreo censurado

Resumen Suponiendo que la tasa de fallo sigue una distribución a priori Gamma se obtienen dos estimadores Bayesianos de la función de fiabilidad de una distribución exponencial con muestreo censurado. Se realizan unas transformaciones de los mismos necesarias para poder calcular los momentos de dichos estimadores, así como sus distribuciones asintóticas. Mediante simulación se compara el error cuadrático medio de los estimadores Bayesianos con el de Máxima Verosimilitud para diversos modelos de censura.      

Contraste de modelos probabilisticos desde una perspectiva bayesiana

Resumen Se pone de manifiesto que el problema de contrastar si un conjunto de datos es o no compatible con un modelo probabilístico totalmente especificado puede ser reducido al problema de contrastar si una determinada transformación de los datos puede ser considerada como una muestra aleatoria de una distribución uniforme. Mediante la construcción de una nueva familia paramétrica de distribuciones, que contiene a la uniforme como caso particular, se propone un contraste bayesiano de uniformidad que constituye una alternativa a los métodos clásicos para el contraste de modelos probabilísticos.      

Convergencia del vector de probabilidad a posteriori bajo una distribucion predictiva

Resumen La convergencia casi segura de una sucesión de variables aleatorias, con respecto aP _{X, Q} (distribución predictiva), se estudia en relación con la convergencia casi segura, con respecto aP _{X, θ} (para todo θ∈Θ), donde{P _{X, θ}}_θ∈Θ es una familia de modelos de probabilidad sobre el espacio muestralX. Como consecuencia, se estudia la convergencia casi segura del vector de probabilidad a posteriori con respecto aP _{X, Q}.      

Consistencia de un estimador no parametrico, recursivo, de la regresion bajo condiciones generales

Resumen Se define un estimador no paramétrico, recursivo, de la función de regresiónr(x)=E(Y/X=x), que se calcula a partir de un conjunto den observaciones {(X ₁,Y _i ):i=1,…n} del vector aleatorio (X, Y). Bajo la hipótesis de que los datos son idénticamente distribuidos pero no necesariamente independientes, lo que permite utilizar el estimador definido para estimar la función de autorregresión de una serie de tiempo, se obtienen resultados sobre la consistencia puntual débil (en probabilidad) y fuerte (completa) del estimador definido. Finalmente, se presentan ejemplos de utilización del estimador con datos simulados. Summary With a initial sample of sizen: {(X _i ,Y _i ):i=1,…n} of a radom vector (X,Y) a general recursive nonparametric estimator of a regression function,r(x)=E(Y/X=x) is obtained. Assume the data are identically distribuited but non necessarily independent. So, the defined estimator may be used to estimate the autoregression function of a time series. Weak and strong pointwise consistency are obtained for such estimator. Finally some examples of simulation are presented.

     

El estimador de razon generalizado

Resumen En este trabajo se propone un nuevo estimador de razón, bajo un esquema de selección simple aleatorio sin reposición. Este estimador es comparado con el estimador de razón clásico. El análisis realizado demostró que el nuevo estimador de razón posee una expresión aproximada de su sesgo, el cual se hace despreciable cuando el tama?o de la muestra es grande. Además, este sesgo aproximado se anula cuando se escoge un valor apropiado del parámetrok que aparece en la expresión del nuevo estimador. También se demostró que se logra una estimación más precisa.La construcción de este estimador sigue la misma idea del estimador producto generalizado dado por Ray y Singh (1981).      

Regresion espectral sesgada

Resumen Se propone un método de regresión espectral adecuado cuando los regresores tienen potencia espectral despreciable sobre bandas de frecuencia estrechas. Se investiga la relación entre el método propuesto y los procedimientos de regresión sesgada habituales en el dominio del tiempo.      

Uso del estadistico D n de Kolmogorov-Smirnov en inferencia parametrica

Resumen Se estudia un método de estimación paramétrica basado en la minimización del estadísticoD _n de Kolmogorov-Smirnov. Se prueba la existencia y unicidad de este estimador en familias de distribuciones monótonas en alguno de sus parámetros y se compara computacionalmente con el método de máxima verosimilitud.      

Nuevas medidas de informacion parametricas reales basadas en la matriz de Fisher

Resumen Se proponen en este trabajo nuevos funcionales reales de la matriz de información de Fisher como medidas de información paramétricas. Se analizan las propiedades de dichas medidas. Se presenta un método sencillo, basado en la matriz de Fisher, para obtener medidas de información paramétricas reales con la propiedad de invariancia bajo transformaciones biyectivas del espacio paramétrico.