[논문 리뷰] An Interpolating Family of Size Distributions

Corinne Sinner, Yves Dominicy외 3명|arXiv (Cornell University)|2016. 06. 14.

Statistical Distribution Estimation and Applications참고 문헌 31인용 수 3

한 줄 요약

이 논문은 $[x_0, ∞)$에서의 크기 분포에 대해 파워 법칙(예: 페어레토)과 지수 감쇠가 있는 파워 법칙(예: 위블)을 부드럽게 연결하는 새로운 다섯 파라미터 보간 가족을 제안한다. 일반화된 베타 분포보다 더 높은 해석 가능성과 유연성을 제공하며, 주요 함수에 대해 닫힌 형태의 표현식을 제공하고 최대우도 추정이 안정적으로 이루어지도록 한다.

ABSTRACT

We introduce a new five-parameter family of size distributions on the semi-finite interval $[x_0, \infty), x_0 \geqslant 0$, with two attractive features. First, it interpolates between power laws, such as the Pareto distribution, and power laws with exponential cut-off, such as the Weibull distribution. The proposed family is thus very flexible and spans over a broad range of well-known size distributions which are special cases of our family. Second, it has important tractability advantages over the popular five-parameter Generalized Beta distribution. We derive the hazard function, survival function, modes and quantiles, propose a random number generation procedure and discuss maximum likelihood estimation issues. Finally, we illustrate the wide applicability and fitting capacities of our new model on basis of three real data sets from very diverse domains, namely actuarial science, environmental science and survival analysis.

연구 동기 및 목표

• 다양한 실증적 적용에서 파워 법칙과 지수 감쇠가 있는 파워 법칙 분포 사이의 선택 과제를 해결한다.
• 페어레토와 위블 유형 사이를 보간하면서도 수학적 해석 가능성 유지가 가능한 통합적이고 다재다능한 크기 분포 가족을 개발한다.
• 일반화된 베타 분포의 한계를 극복하기 위해 정규화 상수가 간단하고 파라미터 해석이 명확한 모델을 제공한다.
• 위험도, 생존도, 분위수 및 최빈값 함수를 유도함으로써 실용적인 통계적 추론을 지원한다.
• 실세계 분야인 보험 과학, 환경 과학 및 생존 분석 등 다양한 분야에 널리 적용 가능함을 보여준다.

제안 방법

• 유연한 변환을 통해 파워 법칙과 지수 감쇠가 있는 파워 법칙 사이를 보간하는 $[x_0, ∞)$에서의 새로운 확률 밀도 함수를 제안한다.
• 위치 파라미터 $x_0$, 척도 파라미터 $c$, 그리고 형태 파라미터 $b$, $p$, $q$를 사용하여 분포를 정의하고, 닫힌 형태의 밀도 함수를 제공한다.
• 생존도 및 위험도 함수를 해석적으로 유도하여 신뢰성 및 위험 모델링 적용 가능성을 확보한다.
• 밀도 함수의 일阶 도함수를 풀어 최빈값을 닫힌 형태로 유도하며, 하위가족 IF1, IF2, IF3에 대해 별도 분석을 수행한다.
• 분위수 함수를 기반으로 역변환 샘플링을 이용한 난수 생성 절차를 개발한다.
• 최대우도 추정을 구현하며, 특히 생존 분석에서의 캐시드 데이터에 대해 식별 가능성과 수치 안정성에 대해 논의한다.

실험 결과

연구 질문

• RQ1 일관된 다섯 파라미터 분포 가족이 파워 법칙과 지수 감쇠가 있는 파워 법칙 행동 사이를 효과적으로 보간할 수 있는가?
• RQ2 다양한 데이터 유형에서 일반화된 베타 분포와 비교해 볼 때 제안된 모델의 해석 가능성과 피팅 성능은 어떠한가?
• RQ3 새로운 가족에서 위험도, 생존도 및 최빈값 함수의 해석적 성질은 무엇인가?
• RQ4 모델이 보험 청구 금액, 환경적 극단 현상 및 생존 데이터와 같은 다양한 분야의 실세계 데이터를 정확하게 피팅할 수 있는가?
• RQ5 형태 파라미터가 분포의 행동, 특히 무거운 尾 꼬리와 가벼운 꼬리 영역 간 전이에서 어떤 영향을 미치는가?

주요 결과

• 제안된 보간 가족은 페어레토 및 위블 분포를 특수 케이스로 포함하며, 일반화된 베타 분포는 극한 경우로 포함하여 광범위한 포함성을 보여준다.
• 새로운 분포의 정규화 상수는 특수 함수를 포함하지 않아 일반화된 베타 분포보다 계산적 해석 가능성에서 뛰어나다.
• 하위가족 IF1 ($p=0$), IF2 ($p \to \infty$), IF3 ($b=1$)에 대해 최빈값이 닫힌 형태로 유도되었으며, 명시적인 표현식이 제공되었다.
• IF1의 경우, $b > 1$ 또는 $b < -1/q$일 때 최빈값은 $x_0 + c\left(\frac{b-1}{bq+1}\right)^{1/b}$이며, 그 외의 경우 경계에서 발생한다.
• IF3의 경우 최빈값은 $x_0 + c(p+1)^{-1/q}\left(\left(\frac{q+1}{(p+1)q+1}\right)^{-1/q} - 1\right)$이며, $p, q \to 0$일 때 경계로 수렴한다.
• 모델은 세 가지 실세계 데이터셋—보험 청구 금액, 환경 풍속, 생존 데이터—에 대해 강력한 피팅 성능을 보였으며, 적합성과 해석 가능성 면에서 표준 대안보다 뛰어나다.