📊 statistics

Modeling double bounded data based on correlated gamma random variables

Este artículo propone un modelo flexible para datos acotados en el intervalo unitario que supera la limitación de independencia de la literatura existente al definir las componentes como variables gamma correlacionadas mediante la cópula Farlie-Gumbel-Morgenstern, demostrando su eficacia mediante estudios de simulación y aplicaciones en datos económicos.

Autores originales: Roberto Vila, Felipe Quintino, Marcelo Bourguignon

Publicado 2026-03-04

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Roberto Vila, Felipe Quintino, Marcelo Bourguignon

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Hola! Imagina que estás en una cocina intentando entender cómo se mezclan dos ingredientes principales: la harina (X) y el agua (Y).

En la estadística tradicional, cuando queremos entender la proporción de harina en una masa (es decir, $X / (X+Y)$ ), los científicos asumían siempre que la harina y el agua eran independientes. Es decir, creían que la cantidad de agua que añades no tiene nada que ver con cuánta harina tienes.

Pero la vida real no funciona así. A veces, si tienes mucha harina, también tiendes a tener mucha agua (porque estás haciendo un pastel grande), o quizás, si tienes poco de uno, tienes poco del otro. Están conectados.

Este artículo de Roberto Vila y sus colegas propone una nueva "receta" estadística para entender estas mezclas cuando los ingredientes sí están conectados.

Aquí tienes la explicación paso a paso, con analogías sencillas:

1. El Problema: La receta vieja estaba incompleta

Antes, los estadísticos usaban la Distribución Beta (como una receta clásica de pastel). Esta receta funciona genial si la harina y el agua son independientes. Pero en el mundo real (como en la economía, la salud o el clima), las cosas suelen estar relacionadas.

Ejemplo real: Imagina las tasas de recuperación de una enfermedad. Si hay muchos casos confirmados ( $X$ ), a menudo hay muchos casos sin muerte ( $Y$ ). No son independientes; si uno sube, el otro suele subir también. La receta vieja fallaba aquí porque ignoraba esa conexión.

2. La Solución: La "Distribución Beta Extendida" (EBB)

Los autores crearon una nueva distribución llamada EBB (Beta Extendida).

La analogía: Imagina que la receta Beta es un pastel simple. La receta EBB es ese mismo pastel, pero con un ingrediente secreto extra: el "conector" (llamado $\rho$ ).
Este ingrediente extra mide qué tan pegados están la harina y el agua.
- Si el conector es positivo, cuando hay mucha harina, hay mucha agua.
- Si es negativo, cuando hay mucha harina, hay poca agua (como si compitieran entre sí).

3. ¿Qué hace esta nueva receta tan especial?

La magia de esta nueva fórmula es su flexibilidad. Dependiendo de cómo ajustes los ingredientes, el pastel puede tomar formas increíbles que la receta vieja nunca podía lograr:

Simétrico: Un pastel redondo y perfecto (como una campana).
Asimétrico: Un pastel que se inclina más a un lado.
Bimodal (Dos jorobas): ¡Esto es lo más divertido! Imagina un pastel con dos picos. Esto significa que los datos tienden a agruparse en dos lugares diferentes (por ejemplo, en una economía, mucha gente tiene muy poco dinero y mucha gente tiene mucho, pero pocos tienen un "dinero medio"). La receta vieja no podía hacer esto; la nueva sí.

4. La Matemática (Sin dolor de cabeza)

Para crear esta receta, los autores usaron una herramienta matemática llamada Cópula FGM (un tipo de "pegamento" estadístico) para unir dos variables que siguen una distribución Gamma (que es como medir cantidades de cosas que siempre son positivas, como el tiempo o el dinero).

Usaron funciones matemáticas muy complejas (como las funciones hipergeométricas) para escribir la fórmula exacta de cómo se ve este pastel. Es como tener el plano arquitectónico exacto de un edificio curvo y complejo.

5. ¿Funciona en la práctica? (La prueba de fuego)

Los autores hicieron dos cosas para probar su receta:

Simulaciones de computadora: Crearon miles de pasteles falsos en la computadora para ver si su método de estimación (su "sabor") era preciso. Resultó que, con suficientes datos, su método adivinaba los ingredientes casi perfectamente.
Datos reales (El caso del dinero): Usaron datos reales de familias italianas sobre sus ingresos y gastos.
- Crearon una variable: ¿Qué porcentaje del dinero que entra se va en gastos?
- Compararon su receta (EBB) con las recetas viejas (Beta y Kumaraswamy).
- Resultado: ¡La receta EBB ganó por goleada! Se ajustó mucho mejor a la realidad. Además, probaron estadísticamente que la conexión entre ingresos y gastos (el ingrediente secreto) es real y no es casualidad.

En resumen

Este paper nos dice: "Dejen de asumir que las cosas en la vida son independientes. A veces están pegadas entre sí, y nuestra nueva herramienta estadística (EBB) puede capturar esa conexión, permitiendo modelos más realistas, flexibles y capaces de describir situaciones complejas como la economía o la salud."

Es como pasar de usar una regla recta para medir un río curvo, a usar una manguera flexible que se adapta perfectamente a la forma del río.

Resumen Técnico: Modelado de datos acotados basados en variables aleatorias gamma correlacionadas

Autores: Roberto Vila, Felipe Quintino y Marcelo Bourguignon.
Fecha: Marzo 2026.

1. Planteamiento del Problema

Muchos indicadores naturales en campos como la economía, la salud y la sociología se miden como proporciones, porcentajes o tasas acotadas en el intervalo unitario $(0, 1)$ . El modelo estadístico estándar para este tipo de datos es la distribución Beta.

La distribución Beta clásica se deriva estocásticamente de la relación $Z = X / (X + Y)$ , donde $X$ e $Y$ son variables aleatorias independientes con distribuciones Gamma. Sin embargo, en aplicaciones del mundo real (como tasas de recuperación de enfermedades o ratios de ingresos/gastos), la suposición de independencia entre $X$ e $Y$ a menudo es irrealista. Estas variables suelen compartir mecanismos subyacentes o fuentes de variabilidad común, lo que genera correlación (positiva o negativa). La literatura existente carecía de un modelo flexible que pudiera capturar esta dependencia manteniendo la estructura de la distribución Beta, especialmente para casos con correlación negativa que pueden inducir comportamientos bimodales.

2. Metodología

Los autores proponen una nueva clase de modelos denominados Distribución Beta Bimodal Extendida (EBB, por sus siglas en inglés).

Fundamento Estocástico: El modelo se define como el cociente $Z = X / (X + Y)$ $Z = X / (X + Y)$ , donde el vector aleatorio $(X, Y)$ $(X, Y)$ sigue una distribución bivariada de Morgenstern con márgenes Gamma.
- $X \sim \text{Gamma}(\alpha, \theta)$
- $Y \sim \text{Gamma}(\beta, \theta)$
- La dependencia se modela mediante el parámetro de correlación $\rho \in [-1, 1]$ utilizando la estructura de la distribución de Morgenstern (una forma específica de cópula Farlie-Gumbel-Morgenstern).
Función de Densidad de Probabilidad (PDF): Se deriva una expresión analítica cerrada para la PDF de $Z$ $Z$ . Esta función es compleja e involucra funciones especiales, específicamente:
- La función hipergeométrica de Gauss ( ${}_2F_1$ ).
- La función hipergeométrica doble de Appell ( $F_2$ ).
- La función Gamma incompleta.
Propiedades Matemáticas:
- Se demuestra que cuando $\rho = 0$ , el modelo se reduce a la distribución Beta clásica.
- Se analizan la simetría (ocurre cuando $\alpha = \beta$ ), la función de distribución acumulada (CDF) y los momentos.
- El modelo es capaz de exhibir formas simétricas, asimétricas, en forma de U, en forma de J y bimodales (especialmente cuando $\rho$ es cercano a -1).
Estimación:
- Se propone el uso de Máxima Verosimilitud (MLE) para estimar los parámetros $(\alpha, \beta, \rho)$ .
- Debido a la complejidad computacional de las funciones especiales en la verosimilitud, se sugiere un algoritmo de dos etapas: primero estimar $\alpha$ y $\beta$ asumiendo independencia (modelo Beta) y luego estimar $\rho$ condicionalmente.
- Se implementó un algoritmo de generación de muestras aleatorias basado en la inversión de la cópula de Morgenstern.

3. Contribuciones Clave

Nueva Familia de Distribuciones: Introducción de la distribución EBB, que extiende la distribución Beta añadiendo un parámetro de dependencia ( $\rho$ ) sin perder la interpretabilidad de los parámetros de forma.
Flexibilidad de Forma: Capacidad única para modelar datos bimodales y con correlación negativa, algo que la distribución Beta estándar no puede hacer.
Derivación Analítica Rigurosa: Obtención explícita de la PDF, CDF y momentos en términos de funciones especiales, proporcionando una base teórica sólida.
Validación Computacional: Desarrollo de algoritmos en R para la simulación y estimación, abordando los desafíos numéricos inherentes a las funciones hipergeométricas dobles.

4. Resultados

Estudio de Simulación (Monte Carlo):
- Se evaluó el desempeño de los estimadores de Máxima Verosimilitud con tamaños de muestra $n \in \{30, 100, 300, 1000\}$ .
- Los resultados mostraron que los estimadores tienen un sesgo relativo (RB) bajo y un error cuadrático medio (RMSE) reducido, convergiendo a cero a medida que aumenta el tamaño de la muestra.
- Se observó un comportamiento asintótico normal en las distribuciones de los estimadores.
Análisis de Datos Reales (Fragilidad Financiera):
- Se aplicó el modelo a un conjunto de datos del Banco de Italia (2008) sobre ingresos y gastos de hogares, definiendo la variable $Z = \text{Gastos} / (\text{Ingresos} + \text{Gastos})$ .
- Comparación: El modelo EBB se comparó con las distribuciones Beta y Kumaraswamy.
- Criterios de Selección: El modelo EBB obtuvo los valores más bajos de AIC (Criterio de Información de Akaike) y BIC (Criterio de Información Bayesiano), indicando un ajuste superior.
- Prueba de Hipótesis: Una prueba de razón de verosimilitud (LR) rechazó la hipótesis nula $\rho = 0$ (modelo Beta) con un valor p < 0.01, confirmando que la correlación es significativa y que el modelo EBB explica mejor la estructura de los datos.

5. Significado e Impacto

Este trabajo es significativo porque:

Supera limitaciones prácticas: Ofrece una solución realista para modelar datos acotados donde la independencia de los componentes subyacentes es una suposición falsa.
Amplía el arsenal estadístico: Proporciona una herramienta versátil para economistas, epidemiólogos y científicos de datos que enfrentan datos con comportamientos multimodales o correlaciones complejas en el intervalo unitario.
Viabilidad computacional: Demuestra que, a pesar de la complejidad matemática de las funciones especiales involucradas, el modelo es estimable y aplicable a grandes conjuntos de datos reales.
Futuras líneas de investigación: Abre la puerta a extensiones en modelos de regresión para respuestas en $(0, 1)$ , inferencia bayesiana y generalizaciones multivariadas.

En conclusión, la distribución EBB representa un avance importante en la modelación de datos acotados, equilibrando la flexibilidad necesaria para capturar estructuras de datos complejas con una base teórica y computacional robusta.