[论文解读] On type III generalized half logistic distribution

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

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

一句话总结

本文引入了类型III广义半逻辑分布，作为标准半逻辑分布的灵活扩展，其通过折叠关于零对称的广义逻辑分布推导得出。该文建立了关键统计特性，包括概率密度函数（PDF）、累积分布函数（CDF）、矩、中位数、众数、分位数（100p百分位点）以及顺序统计量，针对不同形状参数b提供了数值结果。

ABSTRACT

It is well known that generalized models is attracting the attention of researchers in recent times because of their flexibilities. Particularly, the logistic model has been generalized and applied by many authors while the half logistic distribution has not recieve much attention in term of its generalization. In this paper, we considered a generalized form of half logistic model called type III generalized half logistic distribution. We obtained its probability density function, the cumulative distribution function, the $n^{th}$ moment, the median, the mode, the 100$p$-percentage points and the order statistics of the generalized distribution are established.

研究动机与目标

• 开发一种新的半逻辑分布广义形式，以增强对偏态数据的建模灵活性。
• 将对称的类型III广义逻辑分布扩展至正实数轴，形成一种新的非对称分布。
• 推导并分析新分布的关键统计特性，如矩、中位数、众数及百分位点。
• 研究新分布下顺序统计量的行为，以应用于极值分析与可靠性分析。
• 提供不同形状参数b下累积分布、矩与中位数的数值表格，以供实际应用。

提出的方法

• 通过将关于零对称的类型III广义逻辑分布折叠至正半轴，推导出概率密度函数（PDF）。
• 由于不存在闭式原函数，通过数值积分方法获得累积分布函数（CDF）。
• 使用积分公式 E[X^n] = (2/B(b,b)) ∫₀^∞ x^n e^{bx}/(1+e^x)^{2b} dx 计算第n阶矩。
• 通过迭代方法数值求解 F(x) = 1/2 和 F(x) = p，确定中位数与100p百分位点。
• 通过对PDF求导并解 f’(x) = 0 确定众数，由于母分布的对称性，结果为 x = 0。
• 利用顺序统计量的标准公式，代入新分布的CDF与PDF，推导第r个顺序统计量的PDF。

实验结果

研究问题

• RQ1 如何将类型III广义逻辑分布折叠，以在 (0, ∞) 上生成新的非对称半分布？
• RQ2 所得到的类型III广义半逻辑分布的解析与数值特性为何，包括其矩与分位数？
• RQ3 形状参数b如何影响分布的中位数、众数与偏度？
• RQ4 在该新分布下，顺序统计量的函数形式为何，特别是最小值与最大值？
• RQ5 该新分布能否用于建模具有比标准半逻辑分布更重尾或更强偏度的实际数据？

主要发现

• 类型III广义半逻辑分布通过折叠对称的类型III广义逻辑分布得到，其概率密度函数为 f_X(x;b) = (2/B(b,b)) * e^{bx}/(1+e^x)^{2b}，其中 x > 0 且 b > 0。
• CDF通过数值方法计算并列成表格，针对 b = 2 和 b = 3 在不同 x 值下展示，随着 x 增大，CDF趋近于1。
• 矩随 b 增大而减小：当 b=10 时，E[X] = 0.3644，E[X²] = 0.2104，E[X³] = 0.1559，E[X⁴] = 0.1374。
• 中位数随 b 增大而减小：当 b=1 时为 1.09865，当 b=2 时为 0.75475，当 b=5 时为 0.43907，表明分布更集中于零附近。
• 对于所有 b > 0，众数始终位于 x = 0，这是由于母分布的对称性及折叠机制所致。
• 第r个顺序统计量的PDF推导为 f_{X_{r:n}}(x) = [1/B(r,n−r+1)] * [F_X(x)]^{r−1} * [1−F_X(x)]^{n−r} * f_X(x)，并给出了最小值（r=1）与最大值（r=n）的显式形式。