CHOCOTEA POCA, OMAR - IETA

En este artículo, se presenta a dos nuevos modelos de regresión binaria generales con pers- pectiva bayesiana, al power y al reciprocal power, e incluyen al power probit y al power logit, y al reciprocal power probit y al reciprocal power logit, respectivamente —aún no disponibles en software comercial—, y tienen como casos especiales al probit y al logit. El resultado de la aplicación en la data de la Encuesta Calidad de Vida en la Ciudad de La Paz en su tópico salud indica que los cuatro modelos tienen un buen performance.

Año: 2015
Publicado en la revista Varianza N°11, Pág. 10
Descargar

Los modelos de la Teoría de Respuesta al ítem, TRI, (ítem Response Theory, en inglés) son una alternativa más eficiente frente a la Teoría Clásica de los Test, TC o TCT, para el análisis de la calidad técnica de instrumentos de medición. Comparada con la TC, la TRI permite obtener más información sobre los ítems de la prueba y sobre el constructo o variable latente que interesa medir en los examinados; sin embargo, hay todavía problemas de estimación no resueltos, que provocan algunas veces, la imposibilidad de ajustar ciertos modelos en conjuntos específicos de datos. El presente artículo centra su atención en presentar la teoría del modelo de ojiva normal de dos parámetros, donde los parámetros y también el rasgo latente juegan un papel importante. Dadas las ventajas del modelo, el problema se encuentra en elegir el mejor método de estimación de los parámetros, al ser un modelo no lineal, se deben utilizar procesos iterativos de simulación. Las estimaciones de los parámetros fueron obtenidas mediante el método de simulación de Monte Carlo vía Cadenas de Markov (Markov Chain Monte Carlo: MCMC) en WinBUGS, donde las correspondientes corridas se hicieron en BRugs, que es una librería de R. Una vez obtenidos los valores de las estimaciones de los parámetros se pueden obtener las probabilidades de respuesta del ítem dado el rasgo latente del estudiante, las respectivas Curvas Características del Ítem, Función de Información de la prueba y Error Típico de Información. Para esta aplicación se utilizó el examen del curso de verano 2005.

Año: 2016
Publicado en la revista Varianza N°12 Pág. 10
Descargar

El modelo normal-asimétrico es adecuado cuando la estructura de los datos presenta una moda y asimetría. En esta nota se observa la existencia de un problema de estimación del parámetro de forma utilizando el método de momentos en tamaños de muestra pequeños contemplando algunos aspectos de Gupta & Gupta (2008) [Test,17, 197–210].

Año: 2020
Publicado en la revista Varianza N°17, Pág. 9
Descargar

La presente investigación estima los parámetros de localización, asimetría y los grados de libertad de una distribución tipo G mediante un método de estimación de libre verosimilitud Bayesiana comparada con el clásico método Metropolis Hastings, utilizando para ello datos de la distribución de la variación mensual del Índice de Precios al Consumidor del Instituto Nacional de Bolivia, periodo ene-1986 a oct- 2020, base 2016. Se evidenció que el proceso iterativo algorítmico para el método Metropolis Hastings es más eficiente, sin embargo, el mejor ajuste se encontró con el método ABC-GIBBS.

Año: 2020
Publicado en la revista Varianza N°17, Pág. 1
Descargar

En el espectro de las distribuciones elípticas-asimétricas se encuentra la distribución normal-asimétrica que tiene como caso particular a la distribución normal. El objetivo principal de este trabajo es presentar al modelo de regresión lineal con variable aleatoria de error con distribución normal-asimétrica. Este trabajo se divide en tres partes. En esta parte, se revisa los aspectos teóricos base asociados con la parametrización directa. En la Parte 2, se revisa los aspectos teóricos base asociados con la parametrización centrada. Y en la Parte 3, se efectúa la ilustración con un conjunto de datos reales.

Año: 2022
Publicado en la revista Varianza N°20, Pág. 19
Descargar