[论文解读] Some properties of the Lerch family of discrete distributions

Sergey Aksenov, Michael A. Savageau|ArXiv.org|Apr 23, 2005

Bayesian Methods and Mixture Models参考文献 15被引用 9

一句话总结

本文将Lerch分布扩展至非负整数，实现了对包含零计数的计数数据的建模。通过Lerch超越函数，推导出均值、方差、风险函数及方差与均值之比等关键性质的闭式表达式，展示了该分布对散布程度低于或高于均值的数据的灵活性，并在拟合海胆精子受精数据方面优于广义泊松模型。

ABSTRACT

We extend the definition of the Lerch distribution to the set of nonnegative integers for greater applicability to modeling count data. We express its properties in terms of Lerch's transcendent, and study its unimodality, hazard function and variance-to-mean ratio.

研究动机与目标

• 将Lerch分布从正整数扩展至非负整数，以增强其在计数数据建模中的适用性。
• 明确以Lerch超越函数表达所有分布特性——均值、方差、风险函数及方差与均值之比。
• 展示该分布对散布程度低于或高于均值的数据的建模灵活性，尤其在标准泊松或广义泊松模型失效的情况下。
• 通过自定义的Mathematica软件包，提供实用的参数拟合与统计推断计算框架。

提出的方法

• 定义概率质量函数为 $ p_x = \frac{c z^x}{(v + x)^s} $，其中 $ c = 1 / \Phi(z, s, v) $，且 $ \Phi $ 为Lerch超越函数。
• 利用Lerch超越函数的函数方程推导累积分布函数：$ F(x) = 1 - z^{x+1} \frac{\Phi(z, s, v + x + 1)}{\Phi(z, s, v)} $。
• 通过关于 $ z $ 的幂级数展开（至二阶）推导均值与方差，以分析方差与均值之比。
• 采用Pearson $ X^2 $ 统计量最小化方法进行参数估计，尤其适用于频次类别稀疏的数据。
• 实现自定义的Mathematica软件包LerchDistribution.m，扩展标准统计函数以支持Lerch分布，并实现参数拟合功能。
• 利用一种收敛加速技术高效计算Lerch超越函数，该技术在C语言与Mathematica代码中均已实现。

实验结果

研究问题

• RQ1 Lerch分布能否从正整数有意义地扩展至非负整数，以更好地建模包含零计数的计数数据？
• RQ2 扩展后的Lerch分布的风险函数与方差与均值之比在不同参数值下如何表现？其是否能同时建模散布程度低于或高于均值的数据？
• RQ3 对于散布程度低于均值的计数数据（如海胆精子受精计数），扩展后的Lerch分布是否比广义泊松分布提供更优的拟合效果？
• RQ4 方差与均值之比能否以参数 $ z $、$ s $ 和 $ v $ 的解析形式表达？$ s $ 的何种条件可决定分布为散布程度低于、等于或高于均值？
• RQ5 在数据量有限且频次类别稀疏的情况下，最小化Pearson $ X^2 $ 统计量是否为Lerch分布参数估计的稳健且实用的方法？

主要发现

• 对于散布程度低于均值的海胆精子受精数据，扩展后的Lerch分布比广义泊松模型提供更优的拟合效果，残差平方和分别为0.000372774（40秒）和0.000162184（180秒）。
• 方差与均值之比可小于、等于或大于1，具体取决于参数 $ s $，临界阈值为 $ s = -\log 2 / \log(1 + 1/(v^2 + 2v)) $，从而可同时建模散布程度低于或高于均值的数据。
• 当 $ z $ 较小时，若 $ s < -\log 2 / \log(1 + 1/(v^2 + 2v)) $，则方差与均值之比小于1；若 $ s $ 超过该阈值，则大于1。
• 40秒数据的最佳拟合参数为 $ z = 0.00773867 $，$ s = -8.26894 $，$ v = 1.11633 $；180秒数据为 $ z = 0.0835808 $，$ s = -1.15174 $，$ v = 0.00468234 $，表明模型拟合效果极佳。
• 研究表明，对于频次类别稀疏的小样本数据集，最小化Pearson $ X^2 $ 统计量的方法在准确性和实用性上优于矩估计或最大似然法。
• 该分布的风险函数可为常数、递增或递减，具体取决于参数，因此适用于建模多样的生存与扩散过程。