Matrices Aleatorias de Valor Intervalo

Este artículo presenta un enfoque novedoso que combina el análisis de datos simbólicos con la teoría de matrices a través del concepto de matrices aleatorias de valor intervalo. Este marco está diseñado para abordar las complejidades de los datos del mundo real, ofreciendo técnicas de modelado estadístico mejoradas, particularmente adecuadas para conjuntos de datos grandes y complejos donde los métodos tradicionales pueden ser insuficientes. Desarrollamos métodos tanto frecuentistas como bayesianos para la inferencia estadística de matrices aleatorias de valor intervalo, proporcionando un marco analítico integral. Realizamos simulaciones extensivas para comparar el rendimiento de estos métodos, demostrando que los estimadores bayesianos superan a los estimadores de máxima verosimilitud bajo la función de pérdida de norma de Frobenius. La utilidad práctica de nuestro enfoque se ilustra aún más a través de una aplicación a la climatología y datos de temperatura, destacando las ventajas de las matrices aleatorias de valor intervalo en escenarios del mundo real.