Resumo A presença de assimetria em dados geotécnicos exige o uso de técnicas avançadas para lidar com assimetria e curtose. Uma quantidade considerável de literatura estatística foi desenvolvida ao longo dos anos para tais cenários. Técnicas que vão de transformações a distribuições com cauda pesada, essas ferramentas e estruturas foram adaptadas para modelar uma variedade de fenômenos geotécnicos. Em essência, os dados do solo são heterogêneos enquanto também são assimétricos, apresentando desafios do ponto de vista da modelagem. Adotando um paradigma de aprendizado não supervisionado, a abordagem baseada em modelos de mistura mostrou grande eficácia para modelar tais cenários. Em particular, o uso de transformações dentro de uma estrutura baseada em modelos provou ser eficaz no tratamento de dados assimétricos. Apesar da popularidade das técnicas de transformação, há uma escassez geral na literatura sobre a distribuição S_U Johnson. Uma alternativa à popular transformação de potência, a distribuição S_U Johnson mostrou, em aplicações geotécnicas, ter desempenho superior no geral. Neste trabalho, desenvolvemos uma abordagem baseada em modelo de mistura para modelar dados de solo incompletos e assimétricos usando misturas finitas de distribuições multivariadas S_U. Além disso, também desenvolvemos um método de imputação para lidar com cenários de dados ausentes. Usando dados do solo de Xangai, nosso método se prova altamente robusto na presença de heterogeneidade e assimetria.
Počuča et al. (Sat,) estudaram essa questão.