[论文解读] The Generalized Marshall-Olkin-Kumaraswamy-G family of distributions

Laba Handique, Subrata Chakraborty|arXiv (Cornell University)|Oct 28, 2015

Statistical Distribution Estimation and Applications参考文献 23被引用 5

一句话总结

本文通过结合 Kumaraswamy-G 与广义 Marshal-Olkin 构造，提出了一类新的连续概率分布灵活族——广义 Marshall-Olkin-Kumaraswamy-G (GMOK-G) 分布族。该文通过无穷级数展开，推导出概率密度函数、生存函数及顺序统计量的解析表达式，实现了复杂数据的精确计算与建模；其核心贡献在于构建了一个全面的统计框架，具备强大的推断与模型拟合能力，适用于灵活的寿命数据分析。

ABSTRACT

A new family of distribution is proposed by using Kumaraswamy-G (Cordeiro and de Castro, 2011) distribution as the base line distribution in the Generalized Marshal-Olkin (Jayakumar and Mathew, 2008) Construction. A number of special cases are presented. By expanding the probability density function and the survival function as infinite series the proposed family is seen as infinite mixtures of the Kumaraswamy-G (Cordeiro and de Castro, 2011) distribution. Density function and its series expansions for order statistics are also obtained. Order statistics, moments, moment generating function, Rényi entropy, quantile function, random sample generation, asymptotes, shapes and stochastic orderings are also investigated. The methods of parameter estimation by method of maximum likelihood and method of moment are presented. Large sample standard error and confidence intervals for the mles are also discussed. One real life application of comparative data fitting with some of the important sub models of the family and some other models is considered.

研究动机与目标

• 开发一种新型灵活分布族，能够对具有重尾、偏态及变化失效率的复杂寿命数据进行建模。
• 将 Kumaraswamy-G 与广义 Marshal-Olkin 构造统一为一个解析可处理的单一分布族。
• 提供全面的统计工具包，包括矩、熵、分位数及随机序关系，以支持实际数据分析。
• 通过最大似然法与矩法实现高效参数估计，并计算标准误与置信区间。
• 通过真实数据拟合，与现有子模型及竞争分布对比，展示该模型的优越性。

提出的方法

• 通过将广义 Marshal-Olkin 变换应用于 Kumaraswamy-G 基线分布，构建 GMOK-G 分布族。
• 将概率密度函数（PDF）与生存函数展开为无穷级数，使其可表示为 Kumaraswamy-G 成分的混合形式。
• 利用级数展开技术，推导出顺序统计量、矩及矩生成函数的解析形式。
• 采用最大似然估计（MLE）与矩法进行参数估计，并推导渐近标准误与置信区间。
• 对随机序、Rényi 熵及分位数函数进行解析推导，以支持模型比较与推断。
• 通过实际数据应用，利用拟合优度准则比较该模型与子模型及竞争分布的拟合效果。

实验结果

研究问题

• RQ1 如何通过广义 Marshal-Olkin 变换扩展 Kumaraswamy-G 分布，以提升建模灵活性？
• RQ2 所得 GMOK-G 分布族的解析性质（包括矩、熵与分位数函数）为何？
• RQ3 PDF 与生存函数能否表示为 Kumaraswamy-G 成分的无穷混合形式，以获得计算与理论优势？
• RQ4 与现有子模型及竞争分布相比，GMOK-G 分布族在真实数据拟合中的表现如何？
• RQ5 GMOK-G 分布族中顺序统计量与随机序关系的统计特性为何？

主要发现

• 通过 PDF 与生存函数的级数展开，GMOK-G 分布族可表示为 Kumaraswamy-G 分布的无穷混合形式。
• 该方法可实现顺序统计量、矩、矩生成函数及 Rényi 熵的精确解析计算。
• 该模型支持稳健的参数估计，采用最大似然法与矩法，并推导出标准误与置信区间。
• 该分布族具有丰富的形状灵活性，可适应多种失效率行为与偏态模式。
• 在真实数据应用中，GMOK-G 分布族在拟合优度方面优于多个子模型及竞争分布。
• 随机序与分位数函数的性质已通过解析方法推导，支持比较推断与风险建模。