Abstract:
Dans ce travail nous nous sommes intéressés au modèle Kumaraswamy gamma généralisé (KumGG) à cinq paramètres proposé par de Pascoa et al. Ce modèle s’obtient, en combinant le modèle gamma généralisé (GG) introduit par Stacy et le modèle Kummarswamy (Kum) introduit par Kummars-wamy. Ce nouveau modèle englobe plusieurs sous-modèles spéciaux et trouve ses applications dans divers domaines comme l’hydrologie, l’économie, la biologie, les sciences de l’environnement, etc. Notre travail présenté ici est basé sur l’article de Marcelino A.R. de Pascoa., Edwin M.M. Ortega., Gauss M. Cordeiro. The Kumaraswamy generalized gamma distribution with application in survival analy-sis.Statistical Methodology, 5(8) :411 433, 2011.
Le premier objectif de ce travail est de présenter en détail le modèle KumGG. Le second objectif est de faire le point sur les méthodes d’estimation de ce modèle, afin d’analyser des données simulées et réelles par l’approche bayésienne, en utilisant les techniques de Monte Carlo par Chaîne de Markov (MCMC). Une comparaison au sens d’informations AIC et BIC avec le modèle exponentiel généralisé (EG) est présentée.
