NOVOS MODELOS DE TEMPO DE VIDA E NOVAS FAMÍLIAS DE DISTRIBUIÇÕES: MÉTODOS TEÓRICOS E APLICAÇÕES
Classe exponencializada-G. COVID-19. Método da aceitação-rejeição.
Modelo de regressão. Monte Carlo. Newton-Raphson.
Distribuições clássicas tais como exponencial, Weibull, Burr XII, log-logística e beta
têm sido amplamente utilizadas para modelar vários tipos de dados em diferentes campos.
Entretanto, com o desenvolvimento da ciência da computação, distribuições mais flexíveis
são necessárias para modelar conjuntos de dados cada vez mais complexos. Nas últimas três
décadas, vários estudos propuseram novas distribuições flexíveis, acrescentando parâmetros
às distribuições existentes, utilizando geradores de distribuições como Marshall-Olkin-G,
beta-G, e Kumaraswamy-G. Uma revisão da família gama-G é empregada, juntamente com
quatro novas distribuições, a saber, a gama Weibull flexível, a power Ishita exponencializada,
a gama generalizada flexível e a Lomax Marshall-Olkin generalizada. Além disso, são
introduzidos quatro novas famílias de distribuições: a exponencial power-G, a Marshall-Olkin
flexível generalizada, a odd power Ishita-G e a Kies modificada flexível generalizada. Modelos
de regressão também são implementados com base nas novas famílias e distribuições, e o
método de máxima verossimilhança é adotado para estimar seus parâmetros. Estudos de
simulação são realizados para verificar sua consistência. Além disso, o potencial dos novos
modelos é demonstrado usando conjuntos de dados reais, incluindo da COVID-19. Os
resultados mostram que os modelos propostos são eficazes na captura dos padrões
complexos observados nos dados e superam as distribuições clássicas existentes. Em geral,
este trabalho contribui para o desenvolvimento de distribuições mais flexíveis e precisas
para a modelagem de dados.