[논문 리뷰] On type III generalized half logistic distribution

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

Statistical Distribution Estimation and Applications참고 문헌 5인용 수 5

한 줄 요약

이 논문은 대칭적인 일반화된 로지스틱 분포를 접어 유연한 확장으로서의 유형 III 일반화된 반로지스틱 분포를 도입한다. 분포의 주요 통계적 성질인 PDF, CDF, 모멘트, 중앙값, 최빈값, 100p 백분위수 및 순서통계량을 유도하며, 다양한 형태 매개변수 b에 대해 수치 결과를 제공한다.

ABSTRACT

It is well known that generalized models is attracting the attention of researchers in recent times because of their flexibilities. Particularly, the logistic model has been generalized and applied by many authors while the half logistic distribution has not recieve much attention in term of its generalization. In this paper, we considered a generalized form of half logistic model called type III generalized half logistic distribution. We obtained its probability density function, the cumulative distribution function, the $n^{th}$ moment, the median, the mode, the 100$p$-percentage points and the order statistics of the generalized distribution are established.

연구 동기 및 목표

• 왜곡된 데이터를 모델링하기 위한 더 높은 유연성을 가진 반로지스틱 분포의 새로운 일반화된 형태를 개발하기 위해.
• 대칭적인 유형 III 일반화된 로지스틱 분포를 양의 실수선으로 확장하여 새로운 비대칭 분포를 생성하기 위해.
• 새로운 분포의 주요 통계적 성질인 모멘트, 중앙값, 최빈값 및 백분위수를 유도하고 분석하기 위해.
• 극값 및 신뢰성 분석에 활용하기 위해 새로운 분포 하에서 순서통계량의 행동을 연구하기 위해.
• 다양한 형태 매개변수 b를 사용한 실용적 응용을 위해 누적분포, 모멘트 및 중앙값 값의 수치 표를 제공하기 위해.

제안 방법

• 0을 중심으로 대칭인 유형 III 일반화된 로지스틱 분포를 양의 반직선으로 접어 확률밀도함수(PDF)를 유도한다.
• 닫힌형의 부정적원함수가 존재하지 않기 때문에 PDF의 수치적 적분을 통해 누적분포함수(CDF)를 확보한다.
• n번째 모멘트는 E[X^n] = (2/B(b,b)) ∫₀^∞ x^n e^{bx}/(1+e^x)^{2b} dx 적분 공식을 사용해 계산한다.
• 중앙값과 100p 백분위수는 반복 방법을 사용해 F(x) = 1/2 및 F(x) = p 를 수치적으로 풀어 결정한다.
• 최빈값은 PDF를 미분하고 f’(x) = 0 을 풀어 유도하며, 부모 분포의 대칭성으로 인해 x = 0 이 된다.
• 표준 순서통계량 공식을 사용해 r번째 순서통계량의 PDF를 유도하며, 새로운 분포의 CDF 및 PDF를 대입한다.

실험 결과

연구 질문

• RQ1 대칭적인 유형 III 일반화된 로지스틱 분포는 어떻게 (0, ∞)에서 새로운 비대칭 반분포로 접힐 수 있는가?
• RQ2 유도된 유형 III 일반화된 반로지스틱 분포의 분석적 및 수치적 성질은 무엇이며, 이는 모멘트와 분위수를 포함하는가?
• RQ3 형태 매개변수 b는 분포의 중앙값, 최빈값 및 왜곡도에 어떻게 영향을 미치는가?
• RQ4 이 새로운 분포 하에서 순서통계량, 특히 최소값과 최대값의 함수 형태는 어떠한가?
• RQ5 이 새로운 분포는 표준 반로지스틱 분포보다 꼬리가 무겁거나 왜곡된 실제 데이터를 모델링하는 데 사용될 수 있는가?

주요 결과

• 유형 III 일반화된 반로지스틱 분포는 대칭적인 유형 III 일반화된 로지스틱 분포를 접어 유도되며, x > 0 및 b > 0 에 대해 PDF f_X(x;b) = (2/B(b,b)) * e^{bx}/(1+e^x)^{2b} 이다.
• CDF는 수치적으로 계산되어 b = 2 및 b = 3 인 경우에 대해 다양한 x 값에서 표로 정리되었으며, x 가 증가함에 따라 1에 수렴하는 것으로 나타났다.
• 모멘트는 b가 증가함에 따라 감소한다: b=10일 때, E[X] = 0.3644, E[X²] = 0.2104, E[X³] = 0.1559, E[X⁴] = 0.1374 이다.
• 중앙값은 b가 증가함에 따라 감소한다: b=1일 때 1.09865, b=2일 때 0.75475, b=5일 때 0.43907 이며, 이는 0에 가까운 농도 증가를 나타낸다.
• 모든 b > 0 에 대해 최빈값은 항상 x = 0 이다. 이는 부모 분포의 대칭성과 접기 메커니즘으로 인해 발생한다.
• r번째 순서통계량의 PDF는 f_{X_{r:n}}(x) = [1/B(r,n−r+1)] * [F_X(x)]^{r−1} * [1−F_X(x)]^{n−r} * f_X(x) 로 유도되었으며, 최소값(r=1) 및 최대값(r=n)에 대해 명시적인 형태가 제공된다.