Bayesian inference for two-parameter gamma distribution assuming different noninformative priors

Abstract

En este artículo diferentes distribuciones a priori son derivadas en una inferenciaBayesiana de la distribución Gamma de dos parámetros. A prioris noinformativas tales como las de Jeffrey, de referencia, MDIP, Tibshirani y unapriori innovativa basada en la alternativa por cópulas son investigadas. Semuestra que una a priori de información de datos maximales conlleva a una a posteriori impropia y que las diferentes escogencias del parámetro de interéspermiten diferentes a prioris de referencia en este caso. Datos simulados permitencalcular las estimaciones Bayesianas e intervalos de credibilidad paralos parámetros desconocidos así como la evaluación del desempeño de lasdistribuciones a priori evaluadas. El análisis Bayesiano se desarrolla usandométodos MCMC (Markov Chain Monte Carlo) para generar las muestras dela distribución a posteriori bajo las a priori consideradas.