Uma classe de distribuições log-simétricas discretas

Abstract

O uso de distribuições de probabilidade contínuas tem sido difundido em problemas com natureza puramente discreta. Em geral, essas distribuições não são apropriadas nesse cenário. Neste trabalho, é introduzida uma classe de distribuições de probabilidade discretas baseada na família de distribuições log-simétricas contínuas, incluindo como casos especiais as seguintes as distribuições discretas: log-normal, log-t-Student, log-exponencial-potência, log-normalcontaminada, Birnbaum-Saunders e Birnbaum-Saunders-t estendidas, entre outras. Algumas propriedades são discutidas, assim como a estimação pelo método da máxima verossimilhança. No contexto de modelos regressão, as variáveis explicativas são incluídas no parâmetro de escala λ, interpretado diretamente como a mediana no caso contínuo. Estudos de simulação de Monte Carlo são realizados para avaliar o desempenho dos estimadores dos modelos propostos com e sem covariáveis, e na ausência e na presença de censura (10% e 30%). Três conjuntos de dados reais, incluindo um com observações censuradas, são usados para ilustrar a metodologia proposta. Em geral, as distribuições log-simétricas discretas propostas mostraram-se capazes de ajustar bem os conjuntos de dados considerados.