[논문 리뷰] On a six-parameter generalized Burr XII distribution

A. K. Olapade|ArXiv.org|2008. 06. 10.

Statistical Distribution Estimation and Applications참고 문헌 8인용 수 11

한 줄 요약

이 논문은 독립적인 지수분포와 감마분포 랜덤 변수의 비율로부터 확률 밀도 함수를 유도하여 여섯 파라미터를 가진 일반화된 버르 XII 분포를 제안한다. 이 작업은 누적분포함수, 모멘트, 순서통계량 분포를 수립하며, 새로운 모델이 표준 버르 XII 분포를 일반화하고 라마크스 및 로그-로그리스틱 분포와 같은 특수한 경우를 포함함으로써 통계적 모델링에 더 큰 유연성을 제공함을 보여준다.

ABSTRACT

In this paper, we derive a probability density function that generalizes the Burr XII distribution. The cumulative distribution function and the $n^{th}$ moment of the generalized distribution are obtained while the distribution of some order statistics of the distribution are established. A theorem that relate the new distribution to another statistical distribution is established.

연구 동기 및 목표

• 여섯 개의 파라미터를 사용하여 버르 XII 분포를 일반화함으로써 더 유연한 통계적 분포를 개발하기 위해.
• 새로운 일반화된 분포의 누적분포함수와 모멘트를 유도하기 위해.
• 특히 최소값과 최댓값을 포함한 순서통계량의 분포를 검토하기 위해.
• 일반화된 버르 XII 분포와 지수분포 및 감마분포와 같은 알려진 분포 간의 수학적 관계를 수립하기 위해.
• 여러 잘 알려진 분포를 특수한 경우로 포함하는 통합된 프레임워크를 제공하기 위해.

제안 방법

• 독립적인 지수분포 및 감마분포 랜덤 변수의 비율을 사용하여 여섯 파라미터 일반화 버르 XII 분포를 유도한다.
• Y1(지수분포) 및 Y2(감마분포)의 결합분포로부터 밀도함수를 유도하기 위해 변환 기법을 사용한다.
• 변수변환과 적분 치환(z = θx^p / λ)을 적용하여 베타 함수와 감마 함수를 통해 모멘트를 계산한다.
• 지지역역에 대한 PDF의 적분을 통해 누적분포함수를 수립한다.
• 순서통계량 이론을 적용하여 제r번째, 최소값(1번째), 최대값(n번째) 순서통계량의 PDF를 유도한다.
• 지수분포 변수 Y를 포함한 변환을 통해 일반화된 버르 XII 분포와 지수분포 간의 관계를 증명하는 정리를 제시한다.

실험 결과

연구 질문

• RQ1 버르 XII 분포는 어떻게 여섯 개의 파라미터를 포함시켜 모델링의 유연성을 향상시킬 수 있는가?
• RQ2 새로운 여섯 파라미터 분포의 누적분포함수 및 모멘트의 해석적 형태는 무엇인가?
• RQ3 특히 최소값과 최댓값을 포함한 순서통계량의 분포는 이 일반화된 모델 하에서 어떻게 행동하는가?
• RQ4 일반화된 버르 XII 분포와 지수분포 또는 감마분포 간의 수학적 관계는 무엇인가?
• RQ5 이 일반화된 프레임워크 내에서 어떤 잘 알려진 분포가 특수한 경우로 포함되는가?

주요 결과

• 여섯 파라미터 일반화 버르 XII 분포는 X = √[p]{Y1 / Y2}로 정의되며, 여기서 Y1 ~ Exp(θ) 및 Y2 ~ Gamma(m, λ)이다.
• 누적분포함수는 F(x) = 1 − λ^m (λ + θx^p)^{-m}이며, x > 0 및 파라미터 λ > 0, θ > 0, m > 0, p > 0에서 유효하다.
• n번째 모멘트는 E[X^n] = (λ/θ)^{n/p} Γ(n/p + 1) Γ(m − n/p) / Γ(m)로 주어지며, m > n/p 조건을 만족할 때 유효하다.
• 기댓값은 E[X] = (λ/θ)^{1/p} Γ(1/p + 1) Γ(m − 1/p) / Γ(m)로 주어지며, m > 1/p 조건을 만족할 때 유효하다.
• 최소 순서통계량 X_{1:n}의 밀도함수는 f_{X_{1:n}}(x) = λ^{m n} n^m θ^p x^{p−1} / (λ + θx^p)^{m n + 1}이며, 이는 파라미터 mn를 가진 일반화 버르 XII 분포 그 자체이다.
• 최대 순서통계량 X_{n:n}의 밀도함수는 f_{X_{n:n}}(x) = λ^m m^n θ^p x^{p−1} [(λ + θx^p)^m − λ^m]^{n−1} / (λ + θx^p)^{m n + 1}로 주어지며, 범위 의존성으로 인해 더 복잡한 형태를 띤다.