Análisis de robustez Bayesiana usando clases multivariantes de distribuciones a priori basadas en ordenes estocásticos
- F. Ruggeri
- M. Sánchez Sánchez
- M. A. Sordo Díaz
- A. Suarez Llorens
Editorial: Editado por Eva Vallada y Rubén Ruiz Grupo de Sistemas de Optimización Aplicada http://soa.iti.es/ Universitat Politècnica de València
ISBN: 978-84-09-13580-6
Año de publicación: 2019
Páginas: 156
Tipo: Aportación congreso
Resumen
En esta comunicación oral generalizaremos al caso multivariante algunas ideas desarrolladas recientemente en Sánchez-Sánchez et al. (2018) desde el punto de vista univariante. Utilizando funciones ponderadas para modificar el conocimiento a priori, introduciremos nuevas clases multivariantes de distribuciones a priori que verifican algunas propiedades de interés. Luego, estudiaremos como la clase multivariante de distribuciones a posteriori asociada hereda estas propiedades. La incertidumbre de ambas clases será evaluada usando diferentes métricas, como la métrica de Hellinger y la divergencia de Kullback-Leibler. Finalmente, mostraremos un ejemplo con datos reales relacionado con los tiempos de fallos en un sistema de fiabilidad.