[论文解读] Beta generated Kumaraswamy-G and other new families of distributions

Laba Handique, Subrata Chakraborty|arXiv (Cornell University)|Mar 2, 2016

Statistical Distribution Estimation and Applications参考文献 33被引用 5

一句话总结

本文提出了beta生成的Kumaraswamy-G（BGKuG）分布族，这是一种对Kumaraswamy-G族的灵活推广，统一并扩展了现有的分布族，如Garhy生成、Beta-Dagum和Beta-Singh-Maddala分布。通过利用beta生成变换，作者推导出概率密度函数（pdf）和累积分布函数（cdf）的闭式展开式，表示为Kumaraswamy-G分布的无限混合形式，从而实现具有增强形状灵活性和对真实数据集更优拟合的稳健统计建模。

ABSTRACT

A new generalization of the family of Kumaraswamy-G (Cordeiro and de Castro, 2011) distribution that includes three recently proposed families namely the Garhy generated family (Elgarhy et al., 2016), Beta-Dagum and Beta-Singh-Maddala distribution (Domma and Condino, 2016) is proposed by constructing beta generated Kumaraswamy-G distribution. Useful expansions of the pdf and the cdf of the proposed family is derived and seen as infinite mixtures of the Kumaraswamy-G distribution. Order statistics, Probability weighted moments, moment generating function, Rényi entropies, quantile power series, random sample generation, asymptotes and shapes are also investigated. Two methods of parameter estimation are presented. Suitability of the proposed model in comparisons to its sub models is carried out considering two real life data sets. Finally, some new classes of beta generated families are proposed for future investigations.

研究动机与目标

• 开发一种新的灵活分布族，以推广并统一基于Kumaraswamy-G的现有分布族。
• 通过beta生成变换框架，扩展Kumaraswamy-G分布的适用范围。
• 提供全面的统计特征分析，包括矩、顺序统计量和熵度量。
• 通过增强形状灵活性和参数估计技术，实现对真实世界数据的改进建模。
• 为分布理论的未来研究提出新的beta生成族类别。

提出的方法

• 通过将beta生成变换应用于Kumaraswamy-G族，提出beta生成的Kumaraswamy-G（BGKuG）分布。
• 推导出概率密度函数（pdf）和累积分布函数（cdf）的闭式展开式，表示为Kumaraswamy-G分布的无限混合形式。
• 利用矩生成函数、Rényi熵和概率加权矩进行统计特征分析。
• 研究顺序统计量和渐近行为，以评估分布的性质。
• 实施两种参数估计方法：最大似然法和矩法。
• 为未来在分布理论及其应用中的探索，提出新的beta生成族类别。

实验结果

研究问题

• RQ1 如何将Kumaraswamy-G族推广，以包含Garhy生成、Beta-Dagum和Beta-Singh-Maddala等现有分布？
• RQ2 所提出的beta生成Kumaraswamy-G分布的统计特性是什么，包括矩、熵和顺序统计量？
• RQ3 BGKuG族在拟合真实数据集方面与其中子模型相比表现如何？
• RQ4 将pdf和cdf表示为Kumaraswamy-G分布的无限混合形式有何意义？
• RQ5 从所提出的beta生成框架中，可以推导出哪些新的分布族以供未来研究？

主要发现

• BGKuG族提供了一个统一框架，可将Garhy生成、Beta-Dagum和Beta-Singh-Maddala分布作为特例包含在内。
• BGKuG分布的pdf和cdf表示为Kumaraswamy-G分布的无限混合形式，从而能够灵活建模复杂的数据形状。
• 所提出的模型在两个真实数据集上的拟合效果优于其子模型，这一结果由拟合优度统计量证实。
• 最大似然估计方法在参数推断中表现有效，模拟研究中观察到收敛。
• 矩生成函数、Rényi熵和概率加权矩均以闭式推导得出，支持全面的统计推断。
• 该框架可提出新的beta生成分布族，为未来理论和应用研究开辟新途径。