Abstract In this paper, we propose the power Student-t regression model for censored (limited) observations which extends the Student-t censored regression model. This extension is based on the asymmetric and heavy-tailed power Student-t distribution. The score functions and expected information matrix are given as well as the process for estimating the parameters in the model is discussed by using the likelihood approach. Two simulation studies are conducted to evaluate parameter recovery and properties of the model and finally, two applications to a real data set are reported to demonstrate the usefulness of this new methodology.

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.

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.

En este trabajo presentamos una nueva distribución para modelizar datos positivos con alta curtosis. Esta distribución puede ser vista como una extensión de la distribución Rayleigh exponenciada. Esta extensión se construye en base al cuociente de dos variables aleatorias independientes, una Raileigh exponenciada en el numerador y una Beta(q, 1) en el denominador con q > 0. La llamaremos variable aleatoria recortada Rayleigh exponenciada. Hay evidencias que la distribución de esta nueva variable puede ser más flexible en términos de modelizar la curtosis respecto a la distribución Rayleigh exponenciada. Se estudian las propiedades de esta distribución y se calculan las estimaciones de los parámetros utilizando el método de máxima verosimilitud. Una aplicación con datos reales revela el buen rendimiento de esta nueva distribución.

In this paper we introduce a new distribution for modeling positive data with high kurtosis. This distribution can be seen as an extension of the exponentiated Rayleigh distribution. This extension builds on the quotient of two independent random variables, one exponentiated Rayleigh in the numerator and Beta(q, 1) in the denominator with q > 0. It is called the slashed exponentiated Rayleigh random variable. There is evidence that the distribution of this new variable can be more flexible in terms of modeling the kurtosis regarding the exponentiated Rayleigh distribution. The properties of this distribution are studied and the parameter estimates are calculated using the maximum likelihood method. An application with real data reveals good performance of this new distribution.

En este artículo estudiamos una subfamilia de la familia slashed-Weibull. Esta subfamilia puede ser vista como una extensión de la distribución Rayleigh con más flexibilidad en cuanto a la kurtosis de la distribución. Esta particularidad hace que la extensión sea adecuada para ajustar observaciones atípicas. Esto surge como la razón de dos variables aleatorias independientes, una en el numerador siendo una distribución Rayleigh y una potencia de la distribución uniforme en el denominador. Estudiamos algunas propiedades de probabilidad, discutimos la estimación de máxima verosimilitud y presentamos aplicaciones a datos reales indicando que la distribución slashed-Rayleigh presenta mejor ajuste para datos reales que la distribución Rayleigh.

In this article we study a subfamily of the slashed-Weibull family. This subfamily can be seen as an extension of the Rayleigh distribution with more flexibility in terms of the kurtosis of distribution. This special feature makes the extension suitable for fitting atypical observations. It arises as the ratio of two independent random variables, the one in the numerator being a Rayleigh distribution and a power of the uniform distribution in the denominator. We study some probability properties, discuss maximum likelihood estimation and present real data applications indicating that the slashed-Rayleigh distribution can improve the ordinary Rayleigh distribution in fitting real data.

En el presente paper se considera una extensión de la distribución exponencial basada en mezclas de distribuciones positivas. Estudiamos las principales propiedades de esta nueva distribución, con especial énfasis en sus momentos, función generadora de momentos, y algunas características relacionadas a estudios de confiabilidad. También se analiza la estimación de parámetros a través de los métodos de momentos y de máxima verosimilitud. Una aplicación muestra que el modelo propuesto puede ser muy útil para ajustar datos reales. Una discusión final concluye el artículo.

The present paper considers an extension of the exponential distribution based on mixtures of positive distributions. We study the main properties of this new distribution, with special emphasis on its moments, moment generator function and some characteristics related to reliability studies. We also discuss parameter estimation considering the maximum likelihood and moments approach. An application reveals that the model proposed can be very useful in fitting real data. A final discussion concludes the paper.

En este trabajo se considera un nuevo enfoque para el estudio de la distribución triangular usando el desarrollo teórico detrás de las distribuciones Skew. La distribución triangular aquí entregada se obtiene por reparametrización de la distribución triangular usual. Se estudian las principales propiedades probabilísticas, incluidos los momentos, coeficientes de asimetría y kurtosis; además, se muestra una representación estocástica para el modelo estudiado, que proporciona un método sencillo y eficiente para la generación de variables aleatorias. Así mismo, se implementa la estimación por el método de los momentos y, a través de un estudio de simulación, se ilustra el comportamiento de las estimaciones de los parámetros.

In this paper a new approach is considered for studying the triangular distribution using the theoretical development behind Skew distributions. Triangular distribution are obtained by a reparametrization of usual triangular distribution. Main probabilistic properties of the distribution are studied, including moments, asymmetry and kurtosis coefficients, and an stochastic representation, which provides a simple and efficient method for generating random variables. Moments estimation is also implemented. Finally, a simulation study is conducted to illustrate the behavior of the estimation approach proposed.