[论文解读] Explicit expressions for moments of the beta Weibull distribution

Gauss M. Cordeiro, Alexandre B. Simas+1 more|ArXiv.org|Sep 10, 2008

Statistical Distribution Estimation and Applications参考文献 17被引用 12

一句话总结

本文推导了广义威布尔分布族中灵活的寿命分布——贝塔威布尔分布的矩、累积分布函数及矩生成函数的显式闭式表达式。作者提供了矩、偏度、峰度及费舍尔信息矩阵元素的解析公式，实现了高效的极大似然估计，并在实际数据拟合中优于标准威布尔分布。

ABSTRACT

The beta Weibull distribution was introduced by Famoye et al. (2005) and studied by these authors. However, they do not give explicit expressions for the moments. We now derive explicit closed form expressions for the cumulative distribution function and for the moments of this distribution. We also give an asymptotic expansion for the moment generating function. Further, we discuss maximum likelihood estimation and provide formulae for the elements of the Fisher information matrix. We also demonstrate the usefulness of this distribution on a real data set.

研究动机与目标

• 推导贝塔威布尔分布矩的显式闭式表达式，这些表达式在以往文献中尚未出现。
• 提供贝塔威布尔分布累积分布函数与矩母函数的解析表达式。
• 构建全面的极大似然估计框架，包括费舍尔信息矩阵，以支持统计推断。
• 通过真实寿命数据的应用，展示贝塔威布尔分布的实际效用，表明其在拟合上优于标准威布尔模型。
• 解决以往对贝塔威布尔分布数学性质可计算性的疑虑，反驳其不可计算的论断。

提出的方法

• 利用不完全贝塔函数和伽马函数的级数展开，推导贝塔威布尔分布矩的显式表达式。
• 应用涉及对数变换及二项式项 (1 - e^(-x))^{a-1} 的级数展开的积分恒等式，推导矩公式。
• 通过变换 X = { -log(1 - B) }^{1/c} / λ 实现从贝塔威布尔分布的模拟，其中 B ~ Beta(a, b)。
• 通过渐近展开推导矩母函数，利用概率密度函数的级数表示。
• 通过计算对数似然函数关于参数 a、b、c 和 λ 的二阶导数，构建费舍尔信息矩阵。
• 采用极大似然估计（MLE）进行参数推断，并使用似然比检验与Wald检验比较模型拟合优度。

实验结果

研究问题

• RQ1 能否为贝塔威布尔分布的矩推导出显式闭式表达式？
• RQ2 贝塔威布尔分布的累积分布函数与矩母函数的解析形式是什么？
• RQ3 贝塔威布尔分布的偏度与峰度如何随不同参数值变化？
• RQ4 贝塔威布尔分布是否在真实寿命数据拟合上显著优于标准威布尔分布？
• RQ5 贝塔威布尔分布的数学性质是否可计算，从而支持统计推断，与以往认为其不可计算的论断相悖？

主要发现

• 推导出贝塔威布尔分布矩的显式闭式表达式，适用于整数与非整数形状参数 a。
• 通过渐近展开表达矩母函数，支持高阶矩的近似计算。
• 显式计算了费舍尔信息矩阵，其逆矩阵提供了 MLE 标准误的渐近协方差矩阵。
• 在真实数据应用中，贝塔威布尔模型的极大化对数似然值为 -169.919，显著优于标准威布尔模型的 -184.3138。
• 似然比检验统计量（w = 28.7896）与Wald统计量（W = 38.4498）均强烈拒绝原假设（即 a = b = 1，即威布尔模型），支持贝塔威布尔模型。
• 贝塔威布尔模型成功捕捉了数据的双峰特性，如拟合密度图所示，优于单峰的威布尔分布。