偏斜逻辑分布及其在 COVID-19 疫情波峰建模中的应用

通过引入偏度参数，提出了一种对称逻辑分布的简单新颖扩展。本文展示了如何使用极大似然法估计由此产生的偏斜逻辑分布的三个参数。随后将偏斜逻辑分布扩展为偏斜双逻辑分布，以允许对疫情时间序列数据中的多个波峰进行建模。所提出的偏斜逻辑模型在英国的 COVID-19 数据上进行了验证，并使用最近提出的经验生存 Jensen-Shannon 散度（${\cal E}SJS$）和 Kolmogorov-Smirnov 双样本检验统计量（$KS2$）评估了其相对于逻辑分布和正态分布的拟合优度。我们采用 95\% 自助置信区间来评估偏斜逻辑分布相对于其他分布拟合优度的提升。使用该数据集时，${\cal E}SJS$ 的置信区间比 $KS2$ 的更窄，表明 ${\cal E}SJS$ 比 $KS2$ 更具功效。