%0 Journal Article
%T ON THE STUDENT-T MIXTURE INVERSE GAUSSIAN MODEL WITH AN APPLICATION TO PROTEIN PRODUCTION SOBRE EL MODELO GAUSSIANO INVERSO MEZCLADO T-STUDENT Y UNA APLICACI車N A PRODUCCI車N DE PROTE赤NAS
%A Sanhueza Antonio
%A Leiva V赤ctor
%A L車pez-Kleine Liliana
%J Revista Colombiana de Estad赤stica
%D 2011
%I Universidad Nacional de Colombia
%X In this article, we introduce a mixture inverse Gaussian (MIG) model based on the Student-t distribution and apply it to bacterium-based protein production for food industry. This model is mainly useful to describe data that follow positively skewed distributions and accommodate atypical observations in a better way than its classical version. Specifically, we present a characterization of the MIG-t distribution. In addition, we carry out a hazard analysis of this distribution centered mainly on its hazard rate. Furthermore, we discuss the maximum likelihood method, which produces每in this case每robust parameter estimates. Moreover, to evaluate the potential influence of atypical observations, we produce a diagnostic analysis for the model. Finally, we apply the obtained results to novel bacterium-based protein production data and statistically compare two types of protein producers using the likelihood ratio test based on the MIG-t model as an alternative methodology to the procedures available until now. This fact is very important, since the evaluation of protein production using both constructions allows practitioners to choose the most productive one before the bacterial culture is scaled to an industrial level. En este art赤culo, introducimos un modelo Gaussiano inverso (MIG) mezclado basado en la distribuci車n t-Student y lo aplicamos a la producci車n de prote赤nas basada en bacterias para la industria de alimentos. Este modelo es especialmente 迆til para describir datos que siguen una distribuci車n con sesgo positivo ya que permite acomodar observaciones at赤picas de mejor forma que su versi車n cl芍sica. Espec赤ficamente, presentamos una caracterizaci車n de la distribuci車n MIG-t y realizamos un an芍lisis de confiabilidad de esta distribuci車n centrado principalmente en la tasa de fallas. Tambi谷n, discutimos el m谷todo de verosimilitud m芍xima, el cual proporciona en este caso estimaciones robustas de los par芍metros del modelo. Con el fin de evaluar la influencia potencial de observaciones at赤picas, proponemos un an芍lisis de diagn車stico para la distribuci車n. Finalmente, aplicamos los resultados obtenidos al an芍lisis de datos nuevos de producci車n de prote赤na basada en bacterias utilizada en la industria de alimentos y comparamos estad赤sticamente dos tipos de bacterias productoras usando la prueba de raz車n de verosimilitudes basada en el modelo MIG-t como una metodolog赤a alternativa a los procedimientos disponibles a la fecha. Este punto es muy importante, ya que la evaluaci車n de producci車n de prote赤nas usando dos construcciones distintas permite a los investigador
%K Distribution mixture
%K Likelihood methods
%K Length-biased distributions
%K R computer language
%U http://www.revistas.unal.edu.co/index.php/estad/article/view/29917