Resumo

ARAYA ALPIZAR, Carlomagno. Un método alternativo para la selección de modelos de clases latentes en datos binarios escasos: una ilustración con datos simulados. Rev. Mat [online]. 2016, vol.23, n.1, pp.199-220. ISSN 1409-2433.

En el contexto de modelos de clases latentes con variables manifiestas binarias, se propone un método alternativo para resolver el problema de la estimación de la distribución empírica con tablas de contingencias escasas, donde la aproximación de los estadísticos de bondad de ajuste por la distribución Chi-Cuadrada no es válida. Se analiza datos binarios escasos, donde muchos patrones de respuesta que tienen frecuencias esperadas pequeñas, en conjuntos de datos con grados de datos escasos de 1 a 5, donde d = n/2p = n/R es un factor es mencionado en la literatura como determinante de la bondad de ajuste a la distribución Chi-Cuadrada. La propuesta presenta resultados válidos y confiables en las condiciones de los datos mencionadas. Para los resultados se presenta tasas de error tipo I para las pruebas tradiciones de bondad de ajuste. También se muestra que para niveles de densidad de datos d ≤ 5, el estadístico Pearson no es el apropiado para seleccionar modelos de clases latentes utilizando el Método de Patrones, dado que presenta probabilidad de error de tipo I más grandes que 5%. Al comparar el Método de Patrones y el Bootstrap Paramétrico para la densidad d = 2, se muestra que el Método de Patrones tiene probabilidades de error de tipo I menores de 5% en los estadísticos de razón de verosimilitud, Read-Cressie y Freeman-Tukey. En contraste, el Bootstrap Paramétrico produce valores en estos estadísticos que superan un 5%.

Palavras-chave : datos escasos; clases latentes; bondad de ajuste; datos binarios.

        · resumo em Inglês     · texto em Inglês     · Inglês ( pdf )