Publication: ESTIMACIÓN EMPÍRICA BAYESIANA UTILIZANDO SUMA DE DISTRIBUCIONES GAUSSIANAS
Date
2020-09
Authors
ORELLANA PRATO, RAFAEL ANGEL
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
El problema clásico de estimación bayesiana ha sido estudiado en diferentes áreas de la ciencia y tecnología. La idea principal se fundamenta en
el teorema de Bayes, con el fin de obtener una estimación de un proceso estocástico basado en observaciones relacionadas a la variable aleatoria
y el conocimiento previo de la función de densidad de probabilidad del
proceso. Sin embargo, el correcto desempeño del algoritmo de estimación
está sujeto a las suposiciones iniciales acerca de la distribución de probabilidad a priori de la variable aleatoria. En este trabajo se propone un
algoritmo de identificación para obtener una estimación de la función de
distribución a priori del problema tradicional de inferencia bayesiana. Se
utiliza en enfoque de estimación empírica bayesiana modelando la función
de distribución a priori como una mezcla finita de distribuciones gaussianas. El problema de estimación se resuelve usando un algoritmo basado
en la maximización de la esperanza considerando simultáneamente la información de un conjunto de experimentos independientes. El algoritmo
propuesto presenta una buena exactitud en la estimación a medida que se
aumenta el número de experimentos. Finalmente, los beneficios del algoritmo propuesto se muestran a través de ejemplos numéricos de simulación
Description
Keywords
ESTIMACIÓN EMPÍRICA BAYESIANA , MODELO DE MEZCLAS GAUSSIANAS , DISTRIBUCIÓN A PRIORI , MAXIMIZAR LA ESPERANZA