[논문 리뷰] Some results for beta Fréchet distribution

Wagner Barreto‐Souza, Gauss M. Cordeiro외 1명|arXiv (Cornell University)|2008. 09. 10.

Statistical Distribution Estimation and Applications참고 문헌 10인용 수 5

한 줄 요약

이 논문은 베타 프레셰트(BF) 분포의 모멘트, L-모멘트, 그리고 순서통계량에 대한 명시적 전개를 유도하며, 밀도를 프레셰트 밀도들의 선형 조합으로 표현함으로써 이를 달성한다. 이는 정보 행렬에 대한 최초의 해석적 유도를 제공하며, 실제 데이터 적용을 통해 BF 분포가 프레셰트 및 지수 프레셰트 분포보다 더 뛰어난 적합도를 보임을 보여준다.

ABSTRACT

Nadarajah and Gupta (2004) introduced the beta Fréchet (BF) distribution, which is a generalization of the exponentiated Fréchet (EF) and Fréchet distributions, and obtained the probability density and cumulative distribution functions. However, they do not investigated its moments and the order statistics. In this paper the BF density function and the density function of the order statistics are expressed as linear combinations of Fréchet density functions. This is important to obtain some mathematical properties of the BF distribution in terms of the corresponding properties of the Fréchet distribution. We derive explicit expansions for the ordinary moments and L-moments and obtain the order statistics and their moments. We also discuss maximum likelihood estimation and calculate the information matrix which was not known. The information matrix is easily numerically determined. Two applications to real data sets are given to illustrate the potentiality of this distribution.

연구 동기 및 목표

• 베타 프레셰트(BF) 분포의 일반 모멘트와 L-모멘트에 대한 명시적 표현을 도출하는 것.
• BF 분포의 순서통계량 밀도를 프레셰트 밀도들의 선형 조합으로 표현하는 것.
• BF 분포의 모수에 대한 최대우도 추정을 위한 정보 행렬을 유도하는 것 — 이는 이전까지 알려지지 않은 바였다.
• BF 분포가 실제 세계 데이터에 대한 적합도에서 프레셰트 및 지수 프레셰트 분포와 비교하여 어떻게 성능을 발휘하는지 평가하는 것.
• 형태와 꼬리 행동에서 더 높은 융통성과 함께 양의, 왜곡된 데이터를 모델링하기 위한 통합된 프레임워크 제공

제안 방법

• BF 누적분포함수를 비완전한 베타 함수 비율로 표현함으로써 초함수를 통한 전개가 가능해진다.
• 비완전한 베타 함수의 급수 전개를 활용하여 BF 밀도함수를 프레셰트 밀도 함수들의 선형 조합으로 표현한다.
• 프레셰트 분포에 대한 알려진 모멘트 공식을 사용하여, 프레셰트 밀도들의 선형 조합을 통합하여 모멘트와 L-모멘트를 도출한다.
• 순서통계량의 밀도와 모멘트를 동일한 선형 조합 접근법을 순서통계량의 분포에 적용하여 도출한다.
• 로그우도 함수의 해석적 미분을 통해 피셔 정보 행렬을 도출하여 표준오차 및 가설 검정을 가능하게 한다.
• 최대우도 추정 및 우도비 검정을 적용하여 BF 모델을 포함하는 하위모델(Fréchet 및 지수 프레셰트)과 비교한다.

실험 결과

연구 질문

• RQ1 베타 프레셰트 분포의 모멘트와 L-모멘트는 프레셰트 분포의 알려진 성질을 이용해 닫힌 형태로 표현될 수 있는가?
• RQ2 베타 프레셰트 분포에서의 순서통계량의 밀도와 모멘트는 어떻게 프레셰트 밀도들로 표현될 수 있는가?
• RQ3 베타 프레셰트 분포의 정보 행렬의 해석적 형태는 무엇이며, 이를 수치적으로 계산하는 방법은 무엇인가?
• RQ4 베타 프레셰트 분포는 프레셰트 및 지수 프레셰트 분포보다 실제 데이터에 대해 유의미하게 더 뛰어난 적합도를 제공하는가?
• RQ5 베타 프레셰트 분포는 다양한 왜곡과 첨도를 갖는 양의, 무거운 꼬리 데이터를 모델링하기 위한 융통성 있는 통합 모델로 기능할 수 있는가?

주요 결과

• 이 논문은 베타 프레셰트 분포의 정보 행렬에 대한 최초의 알려진 해석적 표현을 도출하여 정밀한 표준오차 및 가설 검정을 가능하게 한다.
• BF 분포의 일반 모멘트와 L-모멘트는 프레셰트 분포의 모멘트를 포함하는 급수 전개로 유도된다.
• BF 분포의 r번째 순서통계량의 밀도는 프레셰트 밀도들의 선형 조합으로 표현되며, 이는 모멘트 계산을 가능하게 한다.
• 첫 번째 데이터 세트(n = 100)에서 BF 모델은 로그우도 -93.1962를 기록하여, 프레셰트(-117.7765) 및 지수 프레셰트(-93.1962) 모델보다 유의미하게 뛰어난 성능을 보였다.
• 두 번째 데이터 세트(n = 100)에서 BF 모델은 로그우도 -93.1962를 기록하여, 프레셰트(-117.7765) 및 EF(-93.1962) 모델을 모두 압도했다.
• 우도비 검정 결과, 프레셰트 또는 지수 프레셰트 모델이 충분하다는 귀무가설은 강하게 기각되었으며, BF 모델이 유의미하게 더 낫다는 결론이 내려졌다(p-value < 0.001).