APP下载

二元Kundu-Gupta型几何分布参数的最大似然估计

2018-03-21李建峰李国安

统计与决策 2018年3期
关键词:识别性指数分布参数估计

李建峰,李国安

(宁波大学 金融工程系,浙江 宁波 315211)

0 引言

Freund于1961年在文献[1]中引入了一类二元指数分布,其二元分布结构称之为Freund型。Marshall和Olkin于1967年在文献[2]中基于冲击模型提出了一类二元指数分布,其二元分布结构称之为Marshall-Olkin型。Sun和Basu在文献[3]中获得了二元Marshall-Olkin型几何分布的一个特征。Basu和Dhar在文献[4]中讨论了二元Marshall-Olkin型几何分布的概率统计性质。Krishna和Pundir在文献[5]中讨论了二元Marshall-Olkin型几何分布在可靠性模型中的应用。Dhar在文献[6]中用二元Freund型几何分布进行数据拟合,并给出了参数估计。Li和Dhar在文献[7]中提出了一类二参数二元几何分布。李国安和李建峰在文献[8]中提出了一类新的二参数二元几何分布,并拓展至多元形式。Kundu和Gupta在文献[9]中提出了二元一般指数分布,并给出了参数估计。其二元随机变量的构造为双maximun型混合结构,称之为Kundu-Gupta型。在本文中引入二元Kundu-Gupta型几何分布,根据参数的可识别性说明参数的可估计性,先讨论二元Kundu-Gupta型几何分布的参数的识别性,然后讨论二元Kundu-Gupta型几何分布的参数估计。在1978年,Basu和Ghosh在文献[10]中讨论了二元分布函数参数的识别性,并完整地解决了二元正态分布参数的识别性。本文从二元分布参数的识别性着手,导出了二元Kundu-Gupta型几何分布的识别特征,由此说明了总体(X,Y)与对应识别总体(U,I)的等价性,并得到了基于来自总体(U,I)之样本的参数的最大似然估计。

1 二元Kundu-Gupta几何分布的识别性

二元Kundu-Gupta型几何分布定义如下:

定义1:称(X,Y)服从二元Kundu-Gupta型几何分布,是指当且仅当存在三个相互独立的服从几何分布的随机变量U1,U2,U3,其中U1~G(p1),U2~G(p2),U3~G(p3);使得X=max(U1,U3) ,Y=max(U2,U3) ,记 作 (X,Y)~BGD(p1,p2,p3)。记 p=1-(1-p1)(1-p2)(1-p3)。

引理 1:若 (X,Y)~BGD(p1,p2,p3),则 U 的分布函数为:

证明:

引理2:若 (X,Y)~BGD(p1,p2,p3),则 (U,I)的联合生存分布为:

得(U,I)的联合生存分布:

定 理 1:若 (X,Y)~BGD(p1,p2,p3) ,(X′,Y′)~BGD,若已知U与U′同分布,则所有参数皆不可识别。

证明:略。

定 理 2:若 (X,Y)~BGD(p1,p2,p3) ,(X′,Y′)~BGD若已知 (U,I)与 (U′,I′)同分布,则所有参数皆可识别。

证明:由

2 二元Kundu-Gupta型几何分布的参数估计

引理3:若(X,Y)服从二元Kundu-Gupta型几何分布,则(X,Y)~BGD(p1,p2,p3)当且仅当(U,I)的联合生存分布为:

证明:略

由此可见:来自总体 (X,Y)~BGD(p1,p2,p3)的样本与来自对应总体(U,I)的样本等价,从引理3出发,直接获得了所有参数的最大似然估计。

定理 3:设 (X,Y)~BGD(p1,p2,p3)是总体,(X1,Y1),...,(Xn,Yn)是来自总体(X,Y)的容量为 n的样本,记Ui=max(Xi,Yi),定义随机变量 Ii=1,2,3 分别对应于 Xi>Yi,Yi>Xi,Xi=Yi时,i=1,...,n ,(U1,I1),...,(Un,In)是来自总体(U,I)的容量为n的样本,则参数 p1,p2,p3的最大似然估计分别为以下方程的解:

证明:似然函数为:

并有似然方程:

记:

则有:

因此,在参数空间(0,1)上,似然方程有唯一解。

注记:上述方程只有隐式解,需通过数值计算及模拟,才能得到参数估计的近拟值

3 模拟分析

选取 p1=0.3,p2=0.6,p3=0.9;得到模拟,结果见表1所示。

表1 二元随机变量 (X,Y)~BGD(p1,p2,p3)之随机数的模拟结果

由模拟分析可知:仅是U的分布已知时,所有参数皆不可识别,当(U,I)的分布已知时,所有参数皆可识别,即所有参数皆可估计。

[1]Freund J E.A Bivariate Extension of the Exponential Distribution[J].Amer.Statist.Assoc.,1961,(56).

[2]Marshall A W,Olkin I.A Multivariate Exponential Distribution[J].Am⁃er.Statist.Assoc.,1967,62(1).

[3]Sun K,Basu A P.A Characterization of a Bivariate Geometric Distribu⁃tion[J].Statist.Probab.Lett,1995,(23).

[4]Basu A P,Dhar S K.Bivariate Geometric Distribution[J].Appl.Statist.Sci.1995,(2).

[5]Krishna H,Pundir P S.A Bivariate Geometric Distribution With Appli⁃cations to Reliability[J].Communications in Statistics-Theory and Methods,2009,38(7).

[6]Dhar S K.Data Analysis With Discete Analogue of Freund's Model[J].J.Appl.Statist.Sci.1998,(7).

[7]Li J,Dhar S K.Modeling With a Bivariate Geometric Distribution[J].Communications in Statistics-Theory and Methods,2013,42(2).

[8]李国安,李建峰.一个新的二参数二元几何分布及其多元推广[J].宁波大学学报,2017,30(1).

[9]Kundu D,Gupta R D.Bivariate Generalized Exponential Distributions[J].Journal of Multivariate Analysis,2009,(100).

[10]Basu A P,Ghosh J K.Identifiability of the Multinorma and Other Dis⁃tributions Under Competing Risks Model[J].Journal of Multivariate Analysis,1978,8(3).

猜你喜欢

识别性指数分布参数估计
基于新型DFrFT的LFM信号参数估计算法
一种GTD模型参数估计的改进2D-TLS-ESPRIT算法
浅议企业品牌设计
指数分布的现实意义
基于自适应参数估计的三轴磁传感器实时校正方法
提升沈阳特色文化及城市规划识别性发展研究
广义逆指数分布元件的可靠性分析⋆
国产汽车标志设计批评
特征函数在概率论及数理统计中的简单应用
浅谈死亡力函数的非参数估计方法