Envíos recientes

Los datos cuya respuesta se encuentran en el intervalo (0,1) tales como proporciones, tasas o índices surgen muchas veces en la investigaciones en diferentes áreas del conocimiento. La proporción de muertes causadas por el tabaquismo, la tasa de incidencia o prevalencia de una determinada enfermedad en una comunidad, el porcentaje de votos a favor de un candidato después de una campaña presidencial, él indice de desarrollo humano en un determinado país y la proporción de los ingresos que se gastan en educación, son algunos ejemplos de este tipo de respuestas. Para modelar este tipo de datos, existen varias propuestas, siendo la distribución beta la más conocida y aplicada en este tipo de situaciones. Entre otras propuestas, se incluyen las distribuciones Kurumaraswamy, Birmbaum-SaundersUnitaria, Weibull Unitaria, Normal-potencia unitaria y gamma unitaria, en cambio, en la teoría de distribuciones existe poca literatura estadística acerca de distribuciones para ajustar datosmultivariados cuyas respuestas se encuentran en el intervalo unitario. En este trabajo, se propone una extensión bivariada de la distribución univariada Weibull unitaria introducida porMazucheli,Menezes y Ghitany. [The Unit-Weibull distribution and Associated Inference. Journal of Applied Probability and Statistics, 13 (2018), págs. 1-22], la cual ha demostrado ser una alternativa viable a las otras distribuciones utilizadas para ajustar datos en el intervalo (0,1). La cópula de Farlie-Gumbel-Morgenstern y la distribución Weibull unitaria se utilizan para producir una distribución bivariada denominada distribución Weibull unitaria bivariada. Se estudian algunas propiedades de la distribución WUB tales como las funciones de: densidad de probabilidad conjunta, distribución acumulada, supervivencia, generadora demomentos, entre otras. En la estimación de los parámetros de la distribución propuesta se considera un enfoque clásico utilizando el método de máxima verosimilitud junto con el método de estimación por inferencia de funciones marginales (Joe, 2005). Para evaluar el desempeño de los estimadores de máxima verosimilitud de los parámetros en la distribución, se realiza un estudio de simulación de Monte Carlo y se presenta una aplicación con un conjunto de datos reales para mostrar la utilidad del modelo.

El control estadístico de procesos (CEP) se ha venido implementando desde hace algún tiempo en muchas áreas, incluidas aplicaciones relacionadas con la industria, la gestión de operaciones, servicios, y salud, entre otros, siendo las cartas de control una de las herramientas más utilizadas. En muchos de estos casos, las características relacionadas con la calidad no se puede representar con una variable cuantitativa continua que fuese el resultado de una medición, por ejemplo, como la longitud, el peso o el tiempo. Por lo que puede ser necesario o conveniente, usar conteos de los productos o servicios defectuosos o no conformes de una muestra aleatoria de n elementos, como indicador de si un proceso está bajo control o no. En estos casos, por lo general se supone que el recuento de productos no conformes es una variable aleatoria binomial con parámetros n y p, donde p es la fracción real de productos no conformes producidos y n el tamaño de la muestra. La carta de control Shewhart para atributos p es la carta de control que tradicionalmente se ha utilizado para monitorear recuentos binomiales. Sin embargo, el diseño de esta carta se basa en alguno supuestos distribucionales que en muchas ocasiones no se cumplen, tales como el supuesto de aproximación a la normalidad sobre las fracciones observadas y el supuesto de independencia entre las observaciones. En esta investigación se estudia el uso de límites de control dinámicos en el monitoreo de datos binomiales, y comparamos el desempeño de esta carta con el de la carta p tradicional. Los estudios muestran un desempeño superior de la carta propuesta, teniendo en cuenta como medida de desempeño la métrica ARL.

When designing a control chart, it is usual that the parameters should be estimated from a preliminary sample of observations. Numerous studies have shown the effect that the estimation of the parameters can have on the performance of the control charts. It has been found that only for relatively large preliminary samples, the performance of control charts with estimated parameters can be considered satisfactory, in terms of the rate of false alarms that the chart produces in Phase II. In this work we evaluate the effect of the estimation of parameters on the performance of the |S| chart. For this, the number of preliminary samples and the size of subgroups from which the performance of the chart is considered adequate were determined approximately, finally a model is was adjusted that allows the size of the preliminary sample to be related to the false alarm rate observed. For our study, simulation procedures were used to observe the false alarm rate for different sizes of the preliminary sample.