Szacunki parametrów dla rozkładu normalnego skośnego

11

Jakie są szacunkowe parametry formalne dla skośnego-normalnego? Jeśli możesz, wyprowadzenie za pośrednictwem MLE lub Mom byłoby również świetne. Dzięki

Edit .

Mam zestaw danych, dla których mogę wizualnie stwierdzić, że wykresy są lekko przekrzywione w lewo. Chcę oszacować średnią i wariancję, a następnie wykonać test dopasowania pod względem dopasowania (dlatego potrzebuję oszacowań parametrów). Czy mam rację, myślę, że muszę tylko odgadnąć pochylenie (alfa) (może zrobić kilka wypaczeń i przetestować, który jest najlepszy?).

Chciałbym uzyskać pochodną MLE dla własnego zrozumienia - wolałbym MLE niż MoM, ponieważ jestem bardziej z nim zaznajomiony.
Nie byłam pewna, czy istnieje więcej niż jedna normalna skośna normalna - mam na myśli tylko negujący wypaczony środek! Jeśli to możliwe, pomocne byłyby również oszacowania parametrów wykładniczej mocy skośnej!

użytkownik40124
źródło
(1) która parametryzacja, który konkretny „skośny-normalny”? (Widziałem, że nazywa się to więcej niż jedną rzecz) (2), kiedy mówisz „szacuje się parametr formalny”, sugerujesz (a), że istnieje forma zamknięta i (b) że istnieje tylko jedna --- jednak wspominasz oba ML i MoM, które zasadniczo nie będą takie same (a w szczególności estymatory ML mogą nie być zamknięte). Wymagane są dodatkowe informacje!
Glen_b
Zobacz na przykład artykuł Vinoda: Skew Densities and Ensemble Inference for Financial Economics , który ilustruje, jak dopasować dane do skośnego-Normalny: mathematica-journal.com/issue/v9i4/SkewDensities.html
wilki
1
W R, snormFitw fGarchoszacuje rozkład normalny skośny, lub możesz spojrzeć na snpakiet (używa definicji Azzalini, uważaj, że istnieją inne definicje „skośnego normalnego”). Jeśli używasz Staty, spróbuj tutaj . Różne pakiety dla Pythona, VBA i Perla są dostępne na stronie Adelchi Azzalini na Uniwersytecie w Padwie.
Silverfish,

Odpowiedzi:

7

W rzeczy samej, „członkostwo normalnej rodziny” eksplodowało członkostwem (artykuł w Wikipedii tego nie potwierdza). Rozważmy więc matkę ich wszystkich, która ma funkcję gęstości prawdopodobieństwa

fX(x)=2ωϕ(xξω)Φ(α(xξω))
gdzie jest standardowym normalnym pdf, a standardowym normalnym cdf. to parametr lokalizacji, to parametr skali, a to parametr pochylenia. ϕ()Φ()ξωα

Rozwiązania w formie zamkniętej dla estymatora ML nie istnieją. Estymator metody momentu dostarcza zamkniętych formularzy w następujący sposób, zakładając, że wszystkie trzy parametry są niezerowe (oczywiście jeśli i / lub są zerowe, wówczas poniższe kroki są uproszczone):ωξ

1) Uzyskaj oszacowanie MoM , rozwiązując dla wyrażenie skośności rozkładu, używając oszacowanego współczynnika skośności próbki . δ^δ
wprowadź opis zdjęcia tutaj
γ^3

2) Uzyskaj oszacowanie za pomocą α^

δ=α(1+α2)α^=δ^1δ^2

3) Uzyskaj oszacowanie MoM , rozwiązując dla wyrażenie dla wariancji, przy użyciu wariancji próbki i szacowanej uzyskanej w poprzednim kroku ω Ď 2 x =ω2(ω^ω

σ^x2=ω2(12δ^2π)
δ

3) Uzyskiwanie MOM oszacowanie poprzez rozwiązywanie wyrażenie na średnie rozkładu, stosując średnia próbki i poprzednie szacunki. ξ ľ x=ξ+ Ohm Æξ^ξ

μ^x=ξ+ω^δ^2/π

I nie zapomnij propagować błędu estymacji w tej procedurze sekwencyjnej, jeśli chodzi o wariancję estymatora.

Alecos Papadopoulos
źródło