Pruebas para la distribución Gaussiana Inversa basadas en transformaciones.

Abstract

En este trabajo se proponen tres procedimientos para probar bondad de ajuste de la distribución Gaussiana Inversa cuando sus parámetros son desconocidos. Las observaciones se transforman de tal manera que el problema se traduce en probar ya sea que se tiene una muestra aleatoria de la distribución Gamma con parámetro de forma 0.5 o que se tiene una muestra aleatoria de la distribución normal. Se presentan resultados de un estudio de simulación Monte Carlo en donde se verifica que estos procedimientos preservan el tamaño de la prueba y muestran buenas propiedades de potencia contra las distribuciones alternativas Weibull, Gamma y Log-Normal, las cuales también son usadas para modelar datos con asimetría positiva. _______________ ABSTRACT: This manuscript proposes three methods for testing goodness of fit of the Inverse Gaussian distribution when its parameters are unknown. Observations are transformed to either gamma with shape parameter 0.5 or normal random variables. Then Anderson--Darling and Shapiro--Wilk tests are used for testing the gamma and normal assumptions. Monte Carlo simulation results indicate that these procedures preserve the nominal test size and have good power properties against Weibull, Gamma and Log-Normal distributions, which are also used for modeling data with positive skewness.