📊 statistics

Weibull-MBUR {Y} A New Family of Generalized Unit Distributions with Correlated Parameters: Is the Correlation, Distribution or Data Driven or Interaction Between Them

Este artículo introduce la familia de distribuciones unitarias generalizadas Weibull-MBUR {Y} mediante la aplicación del marco T-X{Y} para vincular una distribución de Rayleigh unitaria basada en la mediana como base con un generador Weibull a través de diversas funciones de enlace, derivando sus propiedades estadísticas y analizando sus correlaciones de parámetros utilizando datos reales de recuperación de COVID-19 para determinar si tales correlaciones son impulsadas por los datos, la distribución o su interacción.

Autores originales: iman attia

Publicado 2026-10-06✓ Author reviewed ⓘ

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: iman attia

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

En el mundo de la estadística, los científicos a menudo necesitan describir cómo se distribuyen las cosas, desde la estatura de las personas hasta el tiempo que tarda una máquina en fallar. Cuando los datos caen entre cero y uno —como porcentajes, tasas de recuperación o proporciones—, las herramientas estándar suelen tener dificultades para capturar la imagen completa. Para resolver esto, los investigadores han pasado décadas construyendo "familias" de distribuciones. Piense en estas como plantillas flexibles que pueden estirarse, comprimirse o retorcerse para adaptarse a la forma única de los datos del mundo real. Un método popular consiste en tomar una curva simple y bien comprendida y utilizar un motor matemático para transformarla, añadiendo nuevos controles y diales que permiten que la curva se doble de formas más complejas. Esta flexibilidad es crucial porque la vida real rara vez es simple; los datos suelen sesgarse hacia un lado o tener colas pesadas, y un modelo rígido no puede contar toda la historia.

Un investigador de la Universidad de El Cairo ha ampliado recientemente este conjunto de herramientas mediante la creación de una nueva familia de estas curvas flexibles, diseñadas específicamente para datos que viven entre cero y uno. El trabajo se centra en una curva base específica llamada distribución Rayleigh de Unidad Basada en la Mediana (Median Based Unit Rayleigh). Si bien esta curva base es útil, es algo limitada en su capacidad para adaptarse a diferentes formas. Para superar esto, el autor la combinó con un generador poderoso conocido como la distribución Weibull, que es famosa por su capacidad para modelar datos de tiempo hasta el fallo. Al vincular la curva base con el generador a través de cinco puentes matemáticos diferentes —utilizando distribuciones llamadas Lomax, Dagum, exponencial, exponencial de exponencial y Log-Logística—, el investigador creó cinco nuevas distribuciones altamente adaptables. El objetivo no era solo crear más curvas, sino ver si estos nuevos modelos podían explicar mejor un fenómeno específico del mundo real: las tasas de recuperación de los pacientes de COVID-19 en España.

El estudio comenzó con un conjunto de datos de 66 observaciones que representaban las tasas de recuperación de pacientes de COVID-19 en España. Estos números oscilaban entre un mínimo de 0,4286 y un máximo de 0,8628, con una tasa de recuperación promedio de 0,7240. Los datos mostraban un ligero sesgo, lo que significa que las tasas de recuperación no estaban perfectamente equilibradas alrededor del promedio. El investigador primero intentó ajustar estos datos utilizando modelos más antiguos y establecidos como las distribuciones Beta y Kumaraswamy, así como la curva base original, sin modificar. Los resultados fueron reveladores: la curva base original no logró capturar la forma de los datos, y aunque los modelos más antiguos funcionaron de manera adecuada, no ofrecieron el mejor ajuste posible.

Cuando se aplicaron las cinco nuevas distribuciones generalizadas a los mismos datos de recuperación españoles, los resultados mejoraron significamente. Los nuevos modelos, particularmente aquel construido con el puente Lomax, proporcionaron una coincidencia mucho más cercana con las observaciones reales. Las medidas estadísticas confirmaron que estas nuevas curvas describían los datos con mayor precisión que las alternativas más antiguas. El investigador calculó la "log-verosimilitud", una puntuación que mide qué tan bien un modelo explica los datos, y encontró que el modelo Weibull-MBUR-Lomax alcanzó la puntuación más alta. Otras métricas, que penalizan a los modelos por ser demasiado complicados, también favorecieron a las nuevas distribuciones, sugiriendo que no estaban simplemente sobreajustando el ruido, sino capturando el verdadero patrón subyacente.

Sin embargo, el estudio descubrió un efecto secundario fascinante y algo desconcertante de este aumento de la flexibilidad. A medida que los nuevos modelos se ajustan mejor a los datos, la relación matemática entre sus parámetros internos se volvió extremadamente estrecha. En el modelo con mejor desempeño, los parámetros estaban tan estrechamente vinculados que se movían casi en perfecta sincronía. El investigador describió esto como una correlación muy alta, donde cambiar un número para mejorar el ajuste obligaba a los otros a cambiar de una manera predecible, casi en un paso sincronizado. Esto creó una situación en la que los intervalos de confianza estadística para estos parámetros se volvieron muy amplios, dificultando la capacidad de precisar el valor exacto de cualquier parámetro individual con alta precisión.

La pregunta central que plantea el artículo es el origen de esta intensa conexión entre los números. ¿Es esta alta correlación una característica de los datos mismos, lo que significa que las tasas de recuperación españas demandan naturalmente una relación tan estrecha entre estas variables? ¿O es una característica de la construcción matemática, donde la forma en que se construyeron las nuevas distribuciones simplemente hereda estos vínculos fuertes de los componentes utilizados para crearlas? El autor sugiere que esto último es una posibilidad fuerte, señalando que los componentes utilizados para construir estos modelos son conocidos por tener sus propias relaciones internas. Sin embargo, el artículo no llega a declarar un veredicto final. Propone que la correlación podría ser una mezcla tanto de la naturaleza de los datos como de la arquitectura matemática utilizada para modelarlos.

Para resolver esto, el investigador concluye que se necesita más trabajo, específicamente a través de simulaciones por computadora. Al generar datos falsos con propiedades conocidas y probar estos nuevos modelos contra ellos, los estudios futuros podrían determinar si las altas correlaciones aparecen incluso cuando los datos son perfectamente aleatorios o siguen una regla simple. Hasta entonces, el estudio se mantiene como una demostración de cómo añadir más flexibilidad matemática puede mejorar drásticamente el ajuste a los datos del mundo real, incluso si introduce nuevas complejidades en la comprensión de las partes individuales del modelo. Las nuevas distribuciones capturaron con éxito los matices de los datos de recuperación del COVID-19 que los modelos más antiguos pasaron por alto, demostrando su utilidad, mientras que simultáneamente resaltaron un profundo misterio estadístico sobre cómo se comportan estos modelos complejos.

Resumen Técnico: Weibull-MBUR {Y} Una Nueva Familia de Distribuciones de Unidad Generalizadas con Parámetros Correlacionados

Planteamiento del Problema
El artículo aborda la necesidad de modelos estadísticos flexibles capaces de acomodar diversas formas (sesgadas, de bañera, en forma de J, etc.) para datos definidos en el intervalo unitario $(0, 1)$ , tales como proporciones, tasas y porcentajes. Si bien existen generalizaciones existentes como las familias generadas por Beta (BG) y Kumaraswamy (Kw-G), el autor identifica un vacío en la literatura con respecto a la combinación específica de la distribución base de Rayleigh de Unidad Basada en la Mediana (MBUR) con el generador Weibull y diversas distribuciones de enlace. Además, el artículo investiga un problema crítico, a menudo pasado por alto, en las distribuciones generalizadas: la naturaleza de la correlación entre los parámetros estimados. El autor cuestiona si las altas correlaciones observadas en las estimaciones de los parámetros son impulsadas por el conjunto de datos específico, la estructura matemática de la familia de la distribución, o una interacción entre ambos.

Metodología
El estudio emplea el enfoque de la familia T-X{Y}, una extensión del método T-X introducido por Aljarrah et al. (2014). Este marco construye una nueva familia de distribuciones vinculando una distribución base ( $X$ ), una distribución generadora ( $T$ ) y una distribución de enlace ( $Y$ ) a través de la función de cuantiles de $Y$ .

Componentes:
- Base ( $X$ ): Distribución de Unidad Basada en la Mediana (MBUR) de Rayleigh, definida en $(0, 1)$ con un parámetro de forma $b$ .
- Generador ( $T$ ): Distribución Weibull, definida en $(0, \infty)$ con parámetros de forma ( $c$ ) y escala ( $\xi$ ). Se eligió la Weibull por su CDF de forma cerrada y sus momentos brutos tratables.
- Enlace ( $Y$ ): Se utilizaron cinco distribuciones diferentes como función de enlace (cuantil) para generar cinco nuevos submodelos:
  - Lomax
  - Dagum
  - Exponencial
  - Exponencial-Exponencializada
  - Log-Logística
Proceso de Derivación:
- La Función de Distribución Acumulativa (CDF) de la nueva familia, $G_{X_g}(x)$ , se deriva sustituyendo la CDF de la distribución base MBUR en la función de cuantiles de la distribución de enlace $Y$ , y luego sustituyendo ese resultado en la CDF de la generadora Weibull.
- La Función de Densidad de Probabilidad (PDF), la Función de Riesgo (Hazard Function) y la Función de Cuantiles se derivan analíticamente para cada una de las cinco nuevas distribuciones.
- Derivación de Momentos: Se utilizan dos enfoques para derivar los momentos brutos de orden $r$ $r$ :
  - Una expansión de serie lineal de la PDF utilizando teoremas binomiales generalizados y factoriales descendentes de Pochhammer.
  - Un enfoque que aísla la variable $x$ y expresa los momentos en términos de los momentos brutos de la generadora Weibull.

Contribuciones Clave

Nueva Familia de Distribuciones: El artículo introduce la familia Weibull-MBUR{Y}, que comprende cinco distribuciones específicas (variantes de Lomax, Dagum, Exponencial, Exponencial-Exponencializada y Log-Logística). Según el autor, estas combinaciones específicas no han sido discutidas previamente en la literatura.
Propiedades Analíticas: El artículo proporciona expresiones de forma cerrada para las funciones PDF, CDF, de cuantiles y de riesgo para los cinco modelos. También deriva expansiones de series complejas para los momentos brutos, lo que facilita la estadística computacional sin requerir funciones especiales en algunos casos.
Análisis de Correlación: Una contribución significativa es la investigación empírica de la estructura de correlación de los parámetros estimados. El autor analiza las matrices de varianza-covarianza y los coeficientes de correlación para los nuevos modelos ajustados a datos reales.

Resultados y Análisis de Datos Reales
Las distribuciones propuestas se aplicaron a un conjunto de datos de 6 de 66 observaciones que representan la tasa de recuperación de pacientes con COVID-19 en España. Los datos exhibieron una asimetría negativa (-0.7214).

Comparación de Modelos: Las distribuciones Weibull-MBUR{Y} se compararon contra las distribuciones base MBUR, Beta, Kumaraswamy, Topp-Leone, Unidad Lindley y las distribiones GOMBUR-I y II (Generalizada de la Unidad Basada en la Mediana de Rayleigh).
Métricas de Desempeño:
- Las distribuciones base MBUR, Topp-Leone y Unidad Lindley no lograron ajustar adecuadamente los datos (bajo Log-Likelihood, altos estadísticos KS).
- Entre los nuevos modelos, la distribución Weibull-MBUR{Lomax} proporcionó el mejor ajuste, evidenciado por el mayor Log-Likelihood (64.4163) y los valores más bajos de AIC, CAIC, BIC y HQIC.
- La Weibull-MBUR{Dagum} y la Weibull-MBUR{Log-Logistic} también demostraron un fuerte desempeño, superando a las distribuciones estándar Beta y Kumaraswamy en varios índices.
Hallazgos de la Correlación de Parámetros:
- El modelo Weibull-MBUR{Lomax} exhibió correlaciones positivas extremadamente altas (cercanas a 1.0) entre sus parámetros ( $b, c, \xi, \psi, \lambda$ ), resultando en un determinante de la matriz de varianza-covarianza cercano a cero ( $5.6073 \times 10^{-13}$ ).
- El modelo Weibull-MBUR{Dagum} mostró correlaciones perfectas entre varios parámetros ( $c, \xi, a, \psi$ ) y una correlación negativa entre $b$ y $\gamma$ .
- Los modelos Weibull-MBUR{Exponential} y Exponencial-Exponencializada también mostraron altas correlaciones, particularmente entre los parámetros de escala y forma.
- El modelo Weibull-MBUR{Log-Logistic} mostró correlaciones moderadas a altas, particularmente entre $\xi$ y $\psi$ .

Significancia y Reivindicaciones
El artículo sostiene que la generalización de la distribución MBUR mediante la técnica T-X{Y} logra con éxito mejorar la capacidad del modelo para acomodar la asimetría y la forma de los datos de unidad del mundo real, algo que la distribución base no podía lograr. La adición de parámetros de las distribuciones generadora y de enlace permite que la PDF se "tuerza" y se ajuste a formas de datos complejos.

Sin embargo, el autor mantiene una postura modesta respecto a la fuente de las correlaciones de parámetros observadas. Si bien las nuevas distribuciones se ajustan bien a los datos, las altas correlaciones entre parámetros (lo que conduce a intervalos de confianza amplios en algunos casos) plantean la pregunta de si estas correlaciones son:

Impulsadas por la distribución: Heredadas de la construcción matemática del sistema T-X{Y}.
Impulsadas por los datos: Específicas a las características del conjunto de datos de recuperación de COVID-19.
Una interacción: Una mezcla de ambas.

El artículo concluye que, si bien la nueva familia es efectiva para el modelado, el problema de la correlación de parámetros requiere mayor investigación. El autor establece explícitamente que se requieren estudios de simulación para determinar definitivamente si estas correlaciones son inherentes a la construcción T-X{Y} o específicas de los datos, y para evaluar cómo impactan en los intervalos de confianza. No se hace ninguna afirmación causal definitiva sobre el origen de las correlaciones en este estudio.

Más como este