[论文解读] Extensions of the Burr Type XII distribution and Applications

Meitner Cadena|arXiv (Cornell University)|May 29, 2017

Statistical Distribution Estimation and Applications参考文献 1被引用 3

一句话总结

本文通过在原始 Burr Type XII 分布的基础上引入一个灵活的函数 g(x)，提出了广义的扩展 Burr 类型 XII 分布（EBXIID）家族，能够有效建模重尾和轻尾数据。该方法采用最大似然估计（MLE），在真实数据集上的表现优于现有分布，尤其在拟合偏态和极值数据方面表现突出。

ABSTRACT

The Burr type XII (BXII) distribution has been largely used in different fields due to its great flexibility for fitting data. These applications have typically involved data showing heavy-tailed behaviors. In order to give more flexibility to the BXII distribution, in this paper, modifications to this distribution through the use of parametric functions are introduced. For instance, members of this new family of distributions allow the analysis not only of data containing extreme values as the BXII distribution, but also of light-tailed data. We refer to this new family of distributions as the extended Burr Type XII distribution (EBXIID) family. Statistical properties of members of the EBXIID family are discussed. The maximum likelihood method is proposed for estimating model parameters. The performance of the new family of distributions is studied using simulations. Applications of the new models to real data sets coming from different domains show that models of the EBXIID family are an alternative to other known distributions.

研究动机与目标

• 将 Burr Type XII 分布进行扩展，以提升其在拟合不同类型数据（包括轻尾和重尾分布）方面的灵活性。
• 通过引入满足特定数学约束的灵活函数 g(x)，构建一个通用的分布家族（EBXIID），确保其作为累积分布函数的有效性。
• 通过模拟研究评估新家族的统计特性及参数估计性能。
• 在多个领域的真实数据上，展示 EBXIID 模型在拟合性能上优于现有分布的实证优势。
• 为可靠性分析、生存分析和极值建模提供传统分布的灵活替代方案。

提出的方法

• 定义累积分布函数为 $ F(x) = 1 - (1 + g(x))^{-a} $，其中 $ g(x) $ 是在 $ (d, \infty) $ 上为正、可微且单调递增的函数，且满足当 $ x \to \infty $ 时 $ g(x) \to \infty $。
• 指定 $ g(x) $ 的多种形式，包括 $ g_0(x) = (c(x+d))^b $（原始 BXII），以及扩展形式如 $ g_1(x) $、$ g_2(x) $ 和 $ g_3(x) $，每种形式均引入额外的形状参数以增强灵活性。
• 通过验证 $ g(x) $ 满足单调性及在无穷远处发散的条件，确保所得函数 $ F(x) $ 为有效的累积分布函数。
• 采用最大似然估计（MLE）进行参数推断，利用 R 软件中的 `optimx` 和 `fitdist` 等函数进行数值计算。
• 通过蒙特卡洛模拟评估 MLE 在固定参数配置和不同样本量下的性能表现。
• 对真实数据（如滚珠轴承数据）进行变换，以改善右偏分布的拟合效果，并通过 AIC、BIC 和对数似然值比较模型性能。

实验结果

研究问题

• RQ1 EBXIID 家族能否有效建模重尾和轻尾数据，从而扩展原始 Burr Type XII 分布的能力？
• RQ2 EBXIID 家族的统计特性（如矩和风险率行为）与原始 BXII 分布相比有何差异？
• RQ3 最大似然估计方法在不同数据配置下能否为 EBXIID 家族提供准确且一致的参数估计？
• RQ4 在来自多个领域的实际数据集上，EBXIID 模型在拟合质量上是否优于已有的分布（如对数正态分布、伽马分布、Birnbaum-Saunders 分布）？
• RQ5 EBXIID 家族中的哪个成员（如 $ g_0 $、$ g_1 $、$ g_3 $）在 AIC 和 BIC 指标下实现了拟合优度与模型简洁性的最佳平衡？

主要发现

• EBXIID 家族成功实现了对重尾和轻尾数据的建模，其中 $ g_1 $ 和 $ g_3 $ 变体在变换后的滚珠轴承数据上表现优异。
• 经数据变换后，SCNBS 模型的 AIC 值最低（2116.67），表明其拟合效果最优；而基于 $ g_1 $ 的模型 BIC 值最低（2130.26），更有利于模型简洁性。
• 基于 $ g_0 $ 的模型（原始 BXII）的 AIC 为 2120.31，BIC 为 2130.41，优于对数正态分布（AIC：2154.81）和伽马分布（AIC：2138.87）。
• 模拟研究证实，MLE 方法在关键参数（如 $ a $）固定时，能提供一致且准确的参数估计。
• 基于 $ g_1 $ 的模型 BIC 为 2130.26，与基于 $ g_0 $ 的模型（2130.41）非常接近，表明其在不同尾部行为下仍具有强大竞争力。
• EBXIID 家族在真实数据拟合中表现出高度灵活性，多个成员在信息准则和对数似然值指标上均优于经典分布。