留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

零膨胀瑞利分布的统计分析

张璐,  肖翔

张璐, 肖翔. 零膨胀瑞利分布的统计分析[J]. 上海工程技术大学学报, 2026, 40(3): 301-307. doi: 10.12299/jsues.25-0025
引用本文: 张璐, 肖翔. 零膨胀瑞利分布的统计分析[J]. 上海工程技术大学学报, 2026, 40(3): 301-307. doi: 10.12299/jsues.25-0025
ZHANG Lu, XIAO Xiang. Statistical analysis of zero-inflated Rayleigh distribution[J]. Journal of Shanghai University of Engineering Science, 2026, 40(3): 301-307. doi: 10.12299/jsues.25-0025
Citation: ZHANG Lu, XIAO Xiang. Statistical analysis of zero-inflated Rayleigh distribution[J]. Journal of Shanghai University of Engineering Science, 2026, 40(3): 301-307. doi: 10.12299/jsues.25-0025

零膨胀瑞利分布的统计分析

doi: 10.12299/jsues.25-0025
基金项目: 中国商业统计学会2024年度规划课题(2024STZX17)
详细信息
    作者简介:

    张璐:张 璐(1997 − ),女,硕士生,研究方向为统计学。E-mail:ZhangLL0613@163.com

    通讯作者:

    肖 翔(1980 − ),男,副教授,硕士,研究方向为统计学。E-mail:xiaoxiang@sues.edu.cn

  • 中图分类号: O212

Statistical analysis of zero-inflated Rayleigh distribution

  • 摘要: 现实生活中,许多领域的数据集存在零值显著偏多的现象,传统分布模型难以有效拟合此类数据。针对这一问题,构建零膨胀瑞利分布模型,详细推导该模型的统计性质,包括极大似然估计、客观先验及后验分析,并设计相应的抽样算法,以更好地描述具有零膨胀特征的复杂数据。通过数值仿真实验,对不同样本容量和参数真值下模型参数进行估计和验证。实验结果表明,提出的抽样算法能够有效估计零膨胀瑞利分布中的参数,为实际应用提供了理论支持和计算工具。研究拓展了零膨胀模型的理论框架,为众多领域的数据分析提供新的解决方案。
  • 图  1  不同方法下$ q $和$ \eta $估计量的分布图

    Figure  1.  Distribution plots of $ q $ and $ \eta $ estimators under different methods

    表  1  参数估计量的均值

    Table  1.   Mean of parameter estimation

    $ q $ $ \eta $ $ n $ $ {q}_{{\mathrm{MLE}}} $ $ {\eta }_{{\mathrm{MLE}}} $ $ {q}_{{\mathrm{J}}} $ $ {\eta }_{{\mathrm{J}}} $ $ {q}_{{\mathrm{R}}1} $ $ {\eta }_{{\mathrm{R}}1} $ $ {q}_{{\mathrm{R}}2} $ $ {\eta }_{{\mathrm{R}}2} $
    0.3 1 50 0.300 1 1.022 7 0.315 8 1.029 6 0.293 6 1.028 1 0.317 9 1.053 4
    100 0.295 6 0.943 2 0.295 8 0.936 2 0.297 9 0.943 0 0.303 4 0.955 0
    200 0.303 2 0.968 3 0.302 7 0.965 7 0.302 2 0.968 5 0.298 4 0.974 6
    3 50 0.303 5 3.059 2 0.307 6 3.081 5 0.302 9 3.067 5 0.303 7 3.186 6
    100 0.297 0 2.800 8 0.304 4 2.823 9 0.301 4 2.844 5 0.300 6 2.876 7
    200 0.302 3 2.899 8 0.301 8 2.907 3 0.298 9 2.902 9 0.303 9 2.922 6
    0.7 1 50 0.682 0 1.019 5 0.609 6 1.096 0 0.694 7 1.028 3 0.690 1 1.108 2
    100 0.688 1 0.945 4 0.664 6 0.967 6 0.693 5 0.931 3 0.702 8 0.973 1
    200 0.693 6 0.968 9 0.656 0 0.992 1 0.696 3 0.973 6 0.694 0 0.988 9
    3 50 0.694 7 3.045 1 0.699 0 3.058 8 0.708 9 3.030 9 0.692 9 3.284 9
    100 0.695 2 2.794 9 0.696 7 2.813 9 0.688 6 2.820 2 0.698 2 2.910 1
    200 0.693 4 2.885 9 0.698 0 2.885 1 0.698 0 2.911 6 0.698 0 2.999 1
    下载: 导出CSV

    表  2  参数估计量的均方误差

    Table  2.   Mean square error of parameter estimation

    $ q $ $ \eta $ $ n $ $ {q}_{{\mathrm{MLE}}} $ $ {\eta }_{{\mathrm{MLE}}} $ $ {q}_{{\mathrm{J}}} $ $ {\eta }_{{\mathrm{J}}} $ $ {q}_{{\mathrm{R}}1} $ $ {\eta }_{{\mathrm{R}}1} $ $ {q}_{{\mathrm{R}}2} $ $ {\eta }_{{\mathrm{R}}2} $
    0.3 1 50 0.003 9 0.002 4 0.008 1 0.002 9 0.003 4 0.002 5 0.005 3 0.005 2
    100 0.001 8 0.004 1 0.002 1 0.004 7 0.002 4 0.004 0 0.002 2 0.003 0
    200 0.001 1 0.001 6 0.001 6 0.001 6 0.000 9 0.001 4 0.001 0 0.001 1
    3 50 0.004 2 0.024 1 0.003 6 0.027 5 0.003 6 0.020 7 0.004 4 0.052 1
    100 0.002 4 0.047 3 0.002 0 0.037 8 0.001 7 0.030 1 0.002 0 0.022 4
    200 0.000 7 0.013 9 0.001 1 0.012 2 0.000 9 0.013 4 0.000 8 0.010 5
    0.7 1 50 0.004 0 0.008 9 0.017 0 0.050 3 0.004 8 0.011 3 0.005 1 0.023 3
    100 0.002 4 0.007 2 0.008 2 0.012 4 0.002 1 0.008 7 0.002 6 0.005 3
    200 0.001 1 0.003 2 0.008 8 0.009 7 0.001 0 0.002 9 0.001 1 0.002 3
    3 50 0.004 3 0.095 0 0.003 6 0.095 7 0.003 6 0.098 0 0.004 3 0.186 5
    100 0.002 1 0.078 1 0.002 9 0.091 9 0.002 6 0.063 2 0.001 8 0.052 0
    200 0.001 1 0.034 2 0.001 0 0.036 8 0.001 1 0.030 4 0.001 1 0.020 9
    下载: 导出CSV
  • [1] 肖翔, 吴懿祺, 古晞. 基于指数分布混合治愈模型的客观贝叶斯分析[J] . 上海工程技术大学学报, 2021, 35(4): 395 − 400. doi: 10.3969/j.issn.1009-444X.2021.04.015
    [2] 徐昕. 零膨胀广义泊松模型的推广及其在精算中应用[J] . 数理统计与管理, 2020, 39(6): 1010 − 1021. doi: 10.13860/j.cnki.sltj.20200930-007
    [3] 张良超, 周金亮, 温利民. 零膨胀泊松模型中风险参数的贝叶斯估计[J] . 江西师范大学学报(自然科学版), 2020, 44(3): 269 − 274. doi: 10.16357/j.cnki.issn1000-5862.2020.03.10
    [4] Lambert D. Zero-inflated Poisson regression, with an application to defects in manufacturing[J] . Technometrics, 1992, 34(1): 1 − 14. doi: 10.2307/1269547
    [5] Greene W H. Accounting for excess zeros and sample selection in Poisson and negative binomial regression models[D] . New York: New York University, 1994.
    [6] 程平平. 零膨胀指数分布的客观贝叶斯分析[D] . 上海: 华东师范大学, 2013.
    [7] 盛建为, 钱夕元. 零膨胀对数级数分布的参数估计[J] . 华东理工大学学报(自然科学版), 2019, 45(3): 507 − 510. doi: 10.14135/j.cnki.1006-3080.20180419003
    [8] De Freitas Costa E, Schneider S, Carlotto G B, et al. Zero-inflated-censored Weibull and gamma regression models to estimate wild boar population dispersal distance[J] . Japanese Journal of Statistics and Data Science, 2021, 4(2): 1133 − 1155. doi: 10.1007/s42081-021-00124-0
    [9] Bodhisuwan R, Kehler A. The zero-inflated negative binomial-exponential distribution and its application[J] . Lobachevskii Journal of Mathematics, 2021, 42(2): 300 − 307. doi: 10.1134/S1995080221020062
    [10] 刘梦瑶, 肖翔. 零一膨胀几何分布的统计分析及应用[J] . 上海工程技术大学学报, 2024, 38(2): 196 − 204. doi: 10.3969/j.issn.1009-444X.2024.02.013
    [11] Pishgar-Komleh S H, Keyhani A, Sefeedpari P. Wind speed and power density analysis based on Weibull and Rayleigh distributions (a case study: firouzkooh county of Iran)[J] . Renewable and Sustainable Energy Reviews, 2015, 42: 313 − 322. doi: 10.1016/j.rser.2014.10.028
    [12] 郎献军, 何玉辉, 唐进元, 等. 基于磨粒突出高度为瑞利分布的磨削力模型[J] . 中南大学学报(自然科学版), 2014, 45(10): 3386 − 3391.
    [13] Sarti A, Corsi C, Mazzini E, et al. Maximum likelihood segmentation of ultrasound images with Rayleigh distribution[J] . IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control, 2005, 52(6): 947 − 960. doi: 10.1109/TUFFC.2005.1504017
    [14] 茆诗松, 汤银才. 贝叶斯统计[M] . 2版. 北京: 中国统计出版社, 2012: 92−97.
  • 25-0025FL.pdf
  • 加载中
图(1) / 表(2)
计量
  • 文章访问数:  10
  • HTML全文浏览量:  5
  • PDF下载量:  1
  • 被引次数: 0
出版历程
  • 收稿日期:  2025-01-23
  • 刊出日期:  2026-09-30

目录

    /

    返回文章
    返回