Un mapa topológico para la distancia de modelos de recuento

V. Cueva López, M. J. Olmo Jiménez, J. Rodríguez Avi

La modelización de datos de recuento para datos de conteo con sobre o infradispersión requiere superar las limitaciones de la distribución de Poisson. Si bien la Binomial Negativa es el estándar para la sobredispersión, familias más complejas (como GP, hP, CMP, CTP, CBP y EBW) proporcionan mayor flexibilidad. El objetivo de este trabajo es justificar, bajo el principio de parsimonia, cuándo la complejidad paramétrica de estos modelos avanzados es estrictamente necesaria.
Para ello, se construye un mapa topológico-cuantitativo que evalúa las similitudes funcionales entre modelos clásicos y avanzados. El espacio paramétrico se cartografía mediante la divergencia de Jensen-Shannon, la distancia de Hellinger y el estadístico de Kolmogorov-Smirnov, estableciendo escenarios de equivalencia estadística. A partir de estos mapas se puede entender mejor la relación entre las distribuciones, así como redefinir un perfil de recomendación para el tipo de datos al que mejor se ajusta.

Keywords: Jensen-Shannon, CTP, CBP, EBW, Hellinger

Statistical Models
September 4, 2026  9:00 AM
Aula 24

S. Fernández Alonso, S. Díaz Vázquez, S. Montes Rodriguez

C. Jones, A. Pewsey

M. Pereda Vivo, C. Paroissin

S. Suarez-Fernandez, A. Bouchet, M. R. Oliveira, S. Montes, S. Diaz-Vazquez