Estimación Bayesiana en modelos de producción con frontera determinista/Bayesian Estimation in Deterministic Frontier Production Models

Como consecuencia de no ser válidos, en los modelos de producción con frontera determinista, las condiciones usuales de regularidad (que justifican la consistencia y normalidad asintótica de los estimadores máximo verosímiles), desconocemos las propiedades generales de estos estimadores. Una alternativa son los métodos de inferencia bayesiana que, gracias al algoritmo de Gibbs, son relativamente fáciles de aplicar. En nuestro trabajo proponemos una distribución a priori no informativa para este modelo y, por simulación, analizamos el comportamiento de los estimadores e intervalos bayesianos. As a consequence of non valid regularity conditions, we unknown the general properties (consistency and asymptotic normality) of the maximun likelihood estimators in the deterministic frontier production models. An alternative to these estimators are the bayesian inference methods. Thanks to Gibbs’ algorithm, these methods are relativity easy to apply. In our work, we propose a prior noninformative distribution for the deterministic frontier models, and, by simulation, we study the Bayesian estimators and intervals behaviour.