在应用工作中,两个参数指数分布提供了有用的许多物理表示的情况。置信区间的尺度参数和预测区间为未来独立观察已经研究了很多,包括Petropoulos(2011)和无法无天的(1977),分别。然而,区间估计的阈值参数统计文献中并没有被广泛研究。本文的目的是,第一,获得确切的函数renormalizing尺度参数的意义<年代vg height="14.3875" id="M1" style="vertical-align:-2.29482pt;width:14.1125px;" version="1.1" viewbox="0 0 14.1125 14.3875" width="14.1125" xmlns="http://www.w3.org/2000/svg">
∗
公式。然后近似Studentization方法应用于获得意义阈值参数的函数。最后,预测两个参数指数分布的密度函数。一个真实的数据集是用于显示的实现方法。然后进行仿真研究验证了该方法的准确性。
<年代pan class="end-abs">
1。介绍
的两个参数指数分布密度:<年代pan class="equation" id="EEq1">
1
(
;
,
)
=
−
e
x
p
−
,
(
1
。
1
)
在哪里<年代vg height="11.325" id="M3" style="vertical-align:-2.29482pt;width:37.625px;" version="1.1" viewbox="0 0 37.625 11.325" width="37.625" xmlns="http://www.w3.org/2000/svg">
<
是阈值参数,<年代vg height="11.0625" id="M4" style="vertical-align:-0.30096pt;width:36.5px;" version="1.1" viewbox="0 0 36.5 11.0625" width="36.5" xmlns="http://www.w3.org/2000/svg">
>
0
尺度参数,广泛应用于应用统计数据。例如,无法无天的[1 )两个参数指数分布来分析生命周期数据,应用Baten和卡米尔(2 )应用分布来分析库存管理系统与危险物品。Petropoulos [3 提出了两个新类的尺度参数的置信区间<年代vg height="6.9875002" id="M5" style="vertical-align:-0.13794pt;width:9.3000002px;" version="1.1" viewbox="0 0 9.3000002 6.9875002" width="9.3000002" xmlns="http://www.w3.org/2000/svg">
。无法无天的(1 )获得未来的预测区间两个参数指数分布的观测。
gydF4y2Ba在本文中,我们考虑一个示例<年代vg height="14.6875" id="M6" style="vertical-align:-3.20526pt;width:71.137497px;" version="1.1" viewbox="0 0 71.137497 14.6875" width="71.137497" xmlns="http://www.w3.org/2000/svg">
(
1
,
…
,
)
从两个参数指数分布密度(1.1 )。节2 ,我们表明,通过renormalizing<年代vg height="14.3875" id="M7" style="vertical-align:-2.29482pt;width:14.1125px;" version="1.1" viewbox="0 0 14.1125 14.3875" width="14.1125" xmlns="http://www.w3.org/2000/svg">
∗
公式,函数的参数的意义<年代vg height="6.9875002" id="M8" style="vertical-align:-0.13794pt;width:9.3000002px;" version="1.1" viewbox="0 0 9.3000002 6.9875002" width="9.3000002" xmlns="http://www.w3.org/2000/svg">
可以获得。节3 ,近似Studentization方法,基于意义的功能<年代vg height="6.9875002" id="M9" style="vertical-align:-0.13794pt;width:9.3000002px;" version="1.1" viewbox="0 0 9.3000002 6.9875002" width="9.3000002" xmlns="http://www.w3.org/2000/svg">
获得的部分2 ,应用于获得意义阈值参数的函数<年代vg height="9.6750002" id="M10" style="vertical-align:-2.29482pt;width:9.6374998px;" version="1.1" viewbox="0 0 9.6374998 9.6750002" width="9.6374998" xmlns="http://www.w3.org/2000/svg">
。节4 ,我们结合前两部分的结果和未来的预测密度观测来自两个参数指数分布。在一节中给出了一些结论5 。在这篇文章中,一个真实的数据集是用来显示该方法的实现,并给出了仿真结果验证了该方法的准确性。
2。尺度参数的置信区间
两个参数指数分布的密度(1.1 ),它可以显示的边际密度<年代vg height="16.637501" id="M11" style="vertical-align:-4.68874pt;width:153.27499px;" version="1.1" viewbox="0 0 153.27499 16.637501" width="153.27499" xmlns="http://www.w3.org/2000/svg">
(
1
)
=
米
我
n
(
1
,
…
,
)
是<年代pan class="equation" id="EEq2">
(
1
)
=
;
,
−
e
x
p
(
1
)
−
(
1
)
>
。
(
2
。
1
)
以观察到的样本<年代vg height="14.6875" id="M13" style="vertical-align:-3.20526pt;width:71.137497px;" version="1.1" viewbox="0 0 71.137497 14.6875" width="71.137497" xmlns="http://www.w3.org/2000/svg">
(
1
,
…
,
)
,日志只取决于条件似然函数<年代vg height="6.9875002" id="M14" style="vertical-align:-0.13794pt;width:9.3000002px;" version="1.1" viewbox="0 0 9.3000002 6.9875002" width="9.3000002" xmlns="http://www.w3.org/2000/svg">
,可以写成<年代pan class="equation" id="EEq3">
ℓ
(
)
=
ℓ
(
,
)
−
ℓ
(
,
)
=
−
(
−
1
)
l
o
g
−
−
(
1
)
,
(
2
。
2
)
在哪里<年代vg height="7.1750002" id="M16" style="vertical-align:-0.1254pt;width:7.9749999px;" version="1.1" viewbox="0 0 7.9749999 7.1750002" width="7.9749999" xmlns="http://www.w3.org/2000/svg">
是一个加常数和<年代vg height="17.487499" id="M17" style="vertical-align:-3.80836pt;width:74.612503px;" version="1.1" viewbox="0 0 74.612503 17.487499" width="74.612503" xmlns="http://www.w3.org/2000/svg">
∑
=
=
1
。不失一般性,本文<年代vg height="7.1750002" id="M18" style="vertical-align:-0.1254pt;width:7.9749999px;" version="1.1" viewbox="0 0 7.9749999 7.1750002" width="7.9749999" xmlns="http://www.w3.org/2000/svg">
设置为0。此外,表示<年代vg height="18.012501" id="M19" style="vertical-align:-4.68874pt;width:85.025002px;" version="1.1" viewbox="0 0 85.025002 18.012501" width="85.025002" xmlns="http://www.w3.org/2000/svg">
=
(
−
(
1
)
)
和<年代vg height="13.55" id="M20" style="vertical-align:-2.29482pt;width:52.587502px;" version="1.1" viewbox="0 0 52.587502 13.55" width="52.587502" xmlns="http://www.w3.org/2000/svg">
=
1
/
,那么日志条件似然函数可以写成<年代pan class="equation" id="EEq4">
ℓ
(
)
=
(
−
1
)
l
o
g
−
。
(
2
。
3
)
请注意,(2.3 )相同的形式作为一个指数的对数似然函数的家庭模型规范参数<年代vg height="9.875" id="M22" style="vertical-align:-2.29482pt;width:11.8625px;" version="1.1" viewbox="0 0 11.8625 9.875" width="11.8625" xmlns="http://www.w3.org/2000/svg">
。的最大似然估计<年代vg height="9.875" id="M23" style="vertical-align:-2.29482pt;width:11.8625px;" version="1.1" viewbox="0 0 11.8625 9.875" width="11.8625" xmlns="http://www.w3.org/2000/svg">
,<年代vg height="14.975" id="M24" style="vertical-align:-2.29482pt;width:93.887497px;" version="1.1" viewbox="0 0 93.887497 14.975" width="93.887497" xmlns="http://www.w3.org/2000/svg">
=
(
−
1
)
/
通过解决<年代vg height="20.0875" id="M25" style="vertical-align:-7.39853pt;width:137.8875px;" version="1.1" viewbox="0 0 137.8875 20.0875" width="137.8875" xmlns="http://www.w3.org/2000/svg">
(
ℓ
(
)
)
/
|
=
=
0
。此外,估计的方差<年代vg height="14.975" id="M26" style="vertical-align:-2.29482pt;width:11.8625px;" version="1.1" viewbox="0 0 11.8625 14.975" width="11.8625" xmlns="http://www.w3.org/2000/svg">
是<年代vg height="19.4625" id="M27" style="vertical-align:-2.34499pt;width:20.725px;" version="1.1" viewbox="0 0 20.725 19.4625" width="20.725" xmlns="http://www.w3.org/2000/svg">
̂
−
1
,在那里<年代vg height="23.075001" id="M28" style="vertical-align:-7.39853pt;width:264.60001px;" version="1.1" viewbox="0 0 264.60001 23.075001" width="264.60001" xmlns="http://www.w3.org/2000/svg">
̂
=
−
(
2
ℓ
(
)
)
/
2
|
=
=
(
2
2
)
/
(
−
1
)
是观察到的信息。
gydF4y2Ba在规律的条件下所DiCiccio et al。4 ),标准化的最大似然估计<年代pan class="equation" id="EEq5">
̂
=
(
)
=
−
1
/
2
,
(
2
。
4
)
签署了对数似然比统计量:<年代pan class="equation" id="EEq6">
=
(
)
=
年代
我
g
n
−
2
ℓ
−
ℓ
(
)
(
2
。
5
)
与收敛速度有限制标准正态分布<年代vg height="16.5375" id="M31" style="vertical-align:-2.21957pt;width:51.837502px;" version="1.1" viewbox="0 0 51.837502 16.5375" width="51.837502" xmlns="http://www.w3.org/2000/svg">
(
−
1
/
2
)
。因此,意义的功能<年代vg height="6.9875002" id="M32" style="vertical-align:-0.13794pt;width:9.3000002px;" version="1.1" viewbox="0 0 9.3000002 6.9875002" width="9.3000002" xmlns="http://www.w3.org/2000/svg">
可以近似<年代pan class="equation" id="EEq7">
1
(
)
=
Φ
,
(
2
。
6
)
或<年代pan class="equation" id="EEq8">
1
(
)
=
Φ
,
(
2
。
7
)
在哪里<年代vg height="13.45" id="M35" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
Φ
(
⋅
)
是标准正态分布的累积分布函数。
gydF4y2Ba因为条件中给出对数似然函数(2.3 )指数的家庭形式<年代vg height="9.875" id="M36" style="vertical-align:-2.29482pt;width:11.8625px;" version="1.1" viewbox="0 0 11.8625 9.875" width="11.8625" xmlns="http://www.w3.org/2000/svg">
正则参数,修改日志统计可能性签署的Barndorff-Nielsen [5 ,6 可以简化成<年代pan class="equation" id="eq1">
∗
=
∗
1
(
)
=
−
l
o
g
,
(
2
。
8
)
在哪里<年代vg height="9.875" id="M38" style="vertical-align:-2.29482pt;width:7.9124999px;" version="1.1" viewbox="0 0 7.9124999 9.875" width="7.9124999" xmlns="http://www.w3.org/2000/svg">
和<年代vg height="7.0124998" id="M39" style="vertical-align:-0.0pt;width:6.5px;" version="1.1" viewbox="0 0 6.5 7.0124998" width="6.5" xmlns="http://www.w3.org/2000/svg">
定义在(2.4 )和(2.5 )分别,<年代vg height="11.525" id="M40" style="vertical-align:-0.0pt;width:12.85px;" version="1.1" viewbox="0 0 12.85 11.525" width="12.85" xmlns="http://www.w3.org/2000/svg">
∗
与收敛速度限制标准正态分布<年代vg height="16.5375" id="M41" style="vertical-align:-2.21957pt;width:51.837502px;" version="1.1" viewbox="0 0 51.837502 16.5375" width="51.837502" xmlns="http://www.w3.org/2000/svg">
(
−
3
/
2
)
。因此,意义的功能<年代vg height="6.9875002" id="M42" style="vertical-align:-0.13794pt;width:9.3000002px;" version="1.1" viewbox="0 0 9.3000002 6.9875002" width="9.3000002" xmlns="http://www.w3.org/2000/svg">
可以近似<年代pan class="equation" id="eq2">
(
)
=
Φ
∗
1
。
(
2
。
9
)
Barndorff-Nielsen [7 )派生<年代vg height="14.3875" id="M44" style="vertical-align:-2.29482pt;width:14.1125px;" version="1.1" viewbox="0 0 14.1125 14.3875" width="14.1125" xmlns="http://www.w3.org/2000/svg">
∗
密度的近似极大似然估计量。在这种情况下,我们有<年代pan class="equation" id="eq3">
∗
̂
;
=
1
/
2
ℓ
e
x
p
(
)
−
ℓ
=
−
2
−
1
−
e
x
p
(
−
1
)
,
(
2
。
1
0
)
在哪里<年代vg height="10.7375" id="M46" style="vertical-align:-0.13794pt;width:8.6000004px;" version="1.1" viewbox="0 0 8.6000004 10.7375" width="8.6000004" xmlns="http://www.w3.org/2000/svg">
是renormalizing常数。自<年代vg height="14.975" id="M47" style="vertical-align:-2.29482pt;width:134.60001px;" version="1.1" viewbox="0 0 134.60001 14.975" width="134.60001" xmlns="http://www.w3.org/2000/svg">
=
/
(
−
1
)
=
1
/
,通过改变变量和重整化<年代pan class="equation" id="eq4">
∗
(
;
)
=
Γ
−
1
(
−
1
)
−
1
1
−
e
x
p
,
(
2
。
1
1
)
这是确切的密度吗<年代vg height="21.3375" id="M49" style="vertical-align:-4.68874pt;width:86.337502px;" version="1.1" viewbox="0 0 86.337502 21.3375" width="86.337502" xmlns="http://www.w3.org/2000/svg">
=
−
(
1
)
,它是免费的<年代vg height="9.6750002" id="M50" style="vertical-align:-2.29482pt;width:9.6374998px;" version="1.1" viewbox="0 0 9.6374998 9.6750002" width="9.6374998" xmlns="http://www.w3.org/2000/svg">
。因此,推理有关<年代vg height="6.9875002" id="M51" style="vertical-align:-0.13794pt;width:9.3000002px;" version="1.1" viewbox="0 0 9.3000002 6.9875002" width="9.3000002" xmlns="http://www.w3.org/2000/svg">
可以基于分布的<年代vg height="10.725" id="M52" style="vertical-align:-0.1254pt;width:11.375px;" version="1.1" viewbox="0 0 11.375 10.725" width="11.375" xmlns="http://www.w3.org/2000/svg">
。因此,准确的置信区间<年代vg height="6.9875002" id="M53" style="vertical-align:-0.13794pt;width:9.3000002px;" version="1.1" viewbox="0 0 9.3000002 6.9875002" width="9.3000002" xmlns="http://www.w3.org/2000/svg">
可以使用<年代vg height="14.3875" id="M54" style="vertical-align:-2.29482pt;width:47.525002px;" version="1.1" viewbox="0 0 47.525002 14.3875" width="47.525002" xmlns="http://www.w3.org/2000/svg">
∗
(
;
)
,是<年代pan class="equation" id="EEq9">
(
)
=
0
∗
(
;
)
。
(
2
。
1
2
)
格拉布(8 )报道,以下数据集(见表1 )。
162年
200年
271年
302年
393年
508年
539年
629年
706年
777年
884年
1008年
1101年
1182年
1463年
1603年
1984年
2355年
2880年