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

Laba Handique, Subrata Chakraborty|arXiv (Cornell University)|2015. 09. 27.

Statistical Distribution Estimation and Applications참고 문헌 35인용 수 5

한 줄 요약

이 논문은 마셜-올킨 변환과 쿠마르스와르미-G 기반 분포를 조합하여 마셜-올킨-쿠마르스와르미-G 분포 가족을 제안한다. 이는 비대칭적이고 꼬리가 두꺼운 데이터의 탄력적 모델링을 가능하게 한다. 주요 기여는 확률밀도함수(pdf)를 지수 기반 분포의 혼합형태로 표현한 분석적 표현, 모멘트, 순서통계량, 엔트로피, 분위수 및 최대우도법과 모멘트법을 이용한 매개수 추정의 유도이다. 실제 데이터 세트를 활용한 실증 검증도 수행되었다.

ABSTRACT

A new family of continuous distribution is proposed by using Kumaraswamy-G (Cordeiro and de Castro, 2011) distribution as the base line distribution in the Marshal-Olkin (Marshall and Olkin, 1997) construction. A number of known distributions are derived as particular cases. Various properties of the proposed family like formulation of the pdf as different mixture of exponentiated baseline distributions, order statistics, moments, moment generating function, Renyi entropy, quantile function and random sample generation have been investigated. Asymptotes, shapes and stochastic ordering are also investigated. The parameter estimation by methods of maximum likelihood, their large sample standard errors and confidence intervals and method of moment are also presented. Two members of the proposed family are compared with corresponding members of Kumaraswamy-Marshal-Olkin-G family (Alizadeh et al., 2015) by fitting of two real life data sets.

연구 동기 및 목표

• 마셜-올킨 변환과 쿠마르스와르미-G 기반 분포를 조합하여 연속 분포의 새로운 탄력적인 가족을 개발하기 위해.
• 쿠마르스와르미-G 가족을 마셜-올킨 프레임워크 내에 통합하여 기존 분포를 일반화함으로써 더 향상된 모델링 능력을 확보하기 위해.
• 모멘트, 모멘트 생성 함수, 레니 엔트로피 및 순서통계량을 포함한 포괄적인 수학적 성질을 도출하기 위해.
• 최대우도법과 모멘트법을 이용한 효율적인 난수 생성 및 매개수 추정을 가능하게 하기 위해.
• 실제 데이터 세트를 활용한 실증 검증을 위해 제안된 가족을 쿠마르스와르미-마셜-올킨-G 가족과 비교하기 위해.

제안 방법

• 쿠마르스와르미-G 분포에 마셜-올킨 변환를 적용하여 추가적인 형상 매개수를 가진 새로운 분포 가족을 생성하기 위해.
• 분석적 취급 용이성을 향상시키기 위해 확률밀도함수(pdf)를 지수 기반 기반 분포의 혼합형태로 표현하기 위해.
• 혼합 표현을 이용하여 모멘트 생성 함수, 원시 모멘트 및 중심 모멘트의 표현을 도출하기 위해.
• 제안된 가족에 대해 레니 엔트로피와 분위수 함수를 닫힌 형태로 제작하기 위해.
• 모수의 최대우도 추정(MLE)을 구현하며, 渐近 표준오차 및 신뢰구간도 함께 유도하기 위해.
• 비교를 위해 대안적인 추정 기법으로 모멘트법을 사용하기 위해.

실험 결과

연구 질문

• RQ1 마셜-올킨 변환는 쿠마르스와르미-G 가족과 효과적으로 어떻게 조합될 수 있는가?
• RQ2 결과로 도출된 마셜-올킨-쿠마르스와르미-G 가족의 분석적 성질은 무엇인가? 모멘트, 엔트로피, 순서통계량 등을 포함하여.
• RQ3 실생활 데이터에 대한 적합도에서 제안된 가족은 쿠마르스와르미-마셜-올킨-G 가족보다 어떻게 성능을 발휘하는가?
• RQ4 왜곡도, 첨도 및 확률적 순서와 같은 분포의 통계적 성질은 무엇인가?
• RQ5 최대우도법과 모멘트법을 이용한 모수 추정기는 얼마나 정확하고 효율적인가?

주요 결과

• 제안된 마셜-올킨-쿠마르스와르미-G 가족은 몇 가지 알려진 분포를 특수 케이스로 포함하며, 그 일반성과 유연성을 입증한다.
• pdf는 지수 기반 기반 분포의 혼합형태로 표현될 수 있으며, 이는 모멘트 및 기타 분포 성질의 분석적 유도를 가능하게 한다.
• 모멘트법과 최대우도 추정 모두 적용 가능하며, MLE에 대해서는 표준오차와 신뢰구간이 유도되었다.
• 가족은 무거운 꼬리와 비대칭 분포를 포함한 풍부한 형상 변동성을 보이며, 복잡한 실세계 데이터의 모델링에 적합하다.
• 두 개의 실제 데이터 세트를 활용한 실증 비교 결과, AIC 및 BIC 기준으로 제안된 가족이 쿠마르스와르미-마셜-올킨-G 가족보다 더 나은 적합도를 보였다.
• 레니 엔트로피와 분위수 함수는 닫힌 형태로 도출되었으며, 이는 정보이론 및 시뮬레이션 분야의 적용을 지원한다.