Bimodal Regression Model

• GUILLERMO MARTÍNEZ-FLÓREZ ^[1] ; HUGO S. SALINAS ^[2] ; HELENO BOLFARINE ^[3]
  1. [1] Universidad de Córdoba

     Universidad de Córdoba

     Cordoba, España

     
  2. [2] Universidad de Atacama

     Universidad de Atacama

     Copiapo, Chile

     
  3. [3] Universidad de Sao Paulo IME Departamento de Estatística

  Mostrar afiliaciones +
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 40, Nº. 1, 2017, págs. 65-83
• Idioma: inglés
• Títulos paralelos:
  • Modelo de regresión Bimodal
• Enlaces
  • Texto completo
• Resumen
  • español

    El análisis de regresión es una técnica muy utilizada en diferentes áreas de conocimiento humano, con diferentes distribuciones para el término de error, sin embargo los modelos de regresión con el termino de error siguiendo una distribución bimodal no son comunes en la literatura, tal vez por la simple razón de no tratar con errores con distribución bimodal. En este trabajo proponemos un camino sencillo para hacer frente a modelos de regresión bimodal con una distribución simétrica - asimétrica para el término de error para la cual para algunos valores del parámetro de forma esta puede ser bimodal. Esta nueva distribución contiene a la distribución normal y la distribución normal asimétrica como casos especiales. Una aplicación con datos reales muestra que el nuevo modelo puede ser extremadamente útil en algunas situaciones.

  • English

    Regression analysis is a technique widely used in different areas of human knowledge, with distinct distributions for the error term. It is the case, however, that regression models with the error term following a bimodal distribution are not common in the literature, perhaps due to the lack of simple to deal with bimodal error distributions. In this paper, we propose a simple to deal with bimodal regression model with a symmetric-asymmetric distribution for the error term for which for some values of the shape parameter it can be bimodal. This new distribution contains the normal and skew-normal as special cases. A real data application reveals that the new model can be extremely useful in such situations.