[논문 리뷰] The Generalized Marshall-Olkin-Kumaraswamy-G family of distributions

Laba Handique, Subrata Chakraborty|arXiv (Cornell University)|2015. 10. 28.

Statistical Distribution Estimation and Applications참고 문헌 23인용 수 5

한 줄 요약

이 논문은 쿠마라스와르미-G 및 일반화된 마셜-올킨 구조를 조합하여 새로운 연속 확률분포의 가족인 일반화된 마셜-올킨-쿠마라스와르미-G(GMOK-G) 가족을 제안한다. 밀도, 생존함수, 순서통계량에 대한 해석적 표현은 무한급수 전개를 통해 유도되며, 이는 복잡한 데이터의 정확한 계산과 모델링을 가능하게 한다. 주요 기여는 유연한 수명 데이터 분석을 위한 강력한 추론 및 모델 적합 능력을 갖춘 종합적인 통계적 프레임워크를 제공하는 것이다.

ABSTRACT

A new family of distribution is proposed by using Kumaraswamy-G (Cordeiro and de Castro, 2011) distribution as the base line distribution in the Generalized Marshal-Olkin (Jayakumar and Mathew, 2008) Construction. A number of special cases are presented. By expanding the probability density function and the survival function as infinite series the proposed family is seen as infinite mixtures of the Kumaraswamy-G (Cordeiro and de Castro, 2011) distribution. Density function and its series expansions for order statistics are also obtained. Order statistics, moments, moment generating function, Rényi entropy, quantile function, random sample generation, asymptotes, shapes and stochastic orderings are also investigated. The methods of parameter estimation by method of maximum likelihood and method of moment are presented. Large sample standard error and confidence intervals for the mles are also discussed. One real life application of comparative data fitting with some of the important sub models of the family and some other models is considered.

연구 동기 및 목표

• 복잡한 수명 데이터를 무거운 尾, 비대칭성, 다양한 고장률을 갖는 데 적합한 새로운 분포 가족을 개발하기 위해.
• 쿠마라스와르미-G 및 일반화된 마셜-올킨 구조를 하나의 해석적으로 다룰 수 있는 가족으로 통합하기 위해.
• 실제 데이터 분석을 위한 모멘트, 엔트로피, 분위수, 확률적 순서 등 종합적인 통계 도구 세트를 제공하기 위해.
• 표준 오차 및 신뢰구간 계산과 함께 최대우도법과 모멘트법을 활용한 효율적인 매개변수 추정을 가능하게 하기 위해.
• 기존의 하위모형 및 경쟁 분포와의 비교를 통해 실제 데이터에 대한 적합도를 통해 모델의 우수성을 입증하기 위해.

제안 방법

• GMOK-G 가족은 쿠마라스와르미-G 기반 분포에 일반화된 마셜-올킨 변환을 적용하여 구성된다.
• 확률밀도함수(PDF) 및 생존함수는 무한급수 전개로 전개되어 쿠마라스와르미-G 성분들의 혼합형태로 표현될 수 있다.
• 급수 전개 기법을 활용하여 순서통계량, 모멘트 및 모멘트 생성함수의 해석적 형태를 도출한다.
• 매개변수 추정은 최대우도추정법(MLE)과 모멘트법을 사용하며, 점근적 표준오차 및 신뢰구간이 유도된다.
• 확률적 순서, 레니 엔트로피 및 분위수 함수는 해석적으로 유도되어 모델 비교 및 추론에 기여한다.
• 실세계 데이터 응용을 통해 적합도 기준을 활용하여 모델의 적합도를 하위모형 및 경쟁 분포와 비교한다.

실험 결과

연구 질문

• RQ1 쿠마라스와르미-G 분포는 일반화된 마셜-올킨 변환을 통해 어떻게 확장되어 모델링의 탄력성을 향상시킬 수 있는가?
• RQ2 결과로 도출된 GMOK-G 가족의 해석적 성질은 무엇인가? 특히 모멘트, 엔트로피 및 분위수 함수를 포함하여.
• RQ3 PDF 및 생존함수는 쿠마라스와르미-G 성분들의 무한혼합형태로 표현될 수 있는가? 이는 계산적·이론적 이점이 있는가?
• RQ4 기존의 하위모형 및 경쟁 분포와 비교하여 실세계 데이터에 대한 GMOK-G 가족의 적합도는 어떠한가?
• RQ5 GMOK-G 가족 내 순서통계량 및 확률적 순서의 통계적 성질은 무엇인가?

주요 결과

• GMOK-G 가족은 PDF 및 생존함수의 급수 전개를 통해 쿠마라스와르미-G 분포의 무한혼합형태로 표현된다.
• 이 방법을 통해 순서통계량, 모멘트, 모멘트 생성함수, 레니 엔트로피의 정확한 해석적 계산이 가능하다.
• 최대우도법과 모멘트법을 통한 강력한 매개변수 추정이 가능하며, 유도된 표준오차 및 신뢰구간이 제공된다.
• 가족은 다양한 고장률 행동과 비대칭 패턴을 수용할 수 있는 풍부한 형태의 탄력성을 보인다.
• 실세계 데이터 응용에서 GMOK-G 가족은 여러 하위모형 및 경쟁 분포보다 적합도에서 뛰어난 성능을 보였다.
• 확률적 순서 및 분위수 함수 성질이 해석적으로 도출되어 비교 추론 및 리스크 모델링에 기여한다.