[论文解读] On a six-parameter generalized Burr XII distribution

A. K. Olapade|ArXiv.org|Jun 10, 2008

Statistical Distribution Estimation and Applications参考文献 8被引用 11

一句话总结

本文通过从独立的指数分布与伽马分布随机变量的比值推导，提出了一种六参数广义Burr XII分布。该研究建立了累积分布函数、矩以及顺序统计量分布，证明了该新模型可推广标准Burr XII分布，并包含Lomax和Log-Logistic分布等特殊情况，为统计建模提供了更大的灵活性。

ABSTRACT

In this paper, we derive a probability density function that generalizes the Burr XII distribution. The cumulative distribution function and the $n^{th}$ moment of the generalized distribution are obtained while the distribution of some order statistics of the distribution are established. A theorem that relate the new distribution to another statistical distribution is established.

研究动机与目标

• 通过引入六个参数来推广Burr XII分布，以提升统计建模的灵活性。
• 推导新广义分布的累积分布函数与矩。
• 研究顺序统计量的分布，特别是最小值与最大值的分布。
• 建立广义Burr XII分布与已知分布（如指数分布与伽马分布）之间的数学关系。
• 提供一个统一框架，涵盖多个著名分布作为特例。

提出的方法

• 通过独立的指数分布随机变量Y1与伽马分布随机变量Y2的比值，推导六参数广义Burr XII分布。
• 利用变换技术，从Y1（指数分布）与Y2（伽马分布）的联合分布推导概率密度函数。
• 通过变量替换（z = θx^p / λ）与积分代换，利用β函数与γ函数计算矩。
• 通过在定义域上对概率密度函数进行积分，建立累积分布函数。
• 应用顺序统计量理论，推导第r个、最小值（第1个）与最大值（第n个）顺序统计量的概率密度函数。
• 证明一个定理，通过涉及指数变量Y的变换，建立广义Burr XII分布与指数分布之间的数学联系。

实验结果

研究问题

• RQ1 如何将Burr XII分布推广为包含六个参数的形式，以增强其建模灵活性？
• RQ2 新六参数分布的累积分布函数与矩的解析形式是什么？
• RQ3 在该广义模型下，顺序统计量（尤其是最小值与最大值）的分布行为如何？
• RQ4 广义Burr XII分布与指数分布或伽马分布之间存在何种数学关系？
• RQ5 哪些著名分布可作为该广义框架下的特例被包含在内？

主要发现

• 六参数广义Burr XII分布被定义为X = √[p]{Y1 / Y2}的分布，其中Y1 ~ Exp(θ)且Y2 ~ Gamma(m, λ)。
• 累积分布函数为F(x) = 1 − λ^m (λ + θx^p)^{-m}，适用于x > 0，且参数满足λ > 0，θ > 0，m > 0，p > 0。
• n阶矩为E[X^n] = (λ/θ)^{n/p} Γ(n/p + 1) Γ(m − n/p) / Γ(m)，条件为m > n/p。
• 均值为E[X] = (λ/θ)^{1/p} Γ(1/p + 1) Γ(m − 1/p) / Γ(m)，当m > 1/p时成立。
• 最小顺序统计量X_{1:n}的概率密度函数为f_{X_{1:n}}(x) = λ^{m n} n^m θ^p x^{p−1} / (λ + θx^p)^{m n + 1}，其本身为参数为mn的广义Burr XII分布。
• 最大顺序统计量X_{n:n}的概率密度函数为f_{X_{n:n}}(x) = λ^m m^n θ^p x^{p−1} [(λ + θx^p)^m − λ^m]^{n−1} / (λ + θx^p)^{m n + 1}，由于依赖于取值范围，其形式更为复杂。