一种新型偏斜广义 t 分布：性质、估计及其应用

随着信息技术的进步，金融、工程、遗传学和医学等各个领域涌现出大量不对称、尖峰和重尾数据。对此类数据进行建模极具挑战性，尤其是对于伴随极高峭度或重尾的极端偏斜数据。在本文中，我们提出了一类新型偏斜广义 t 分布（SkeGTD），作为偏斜广义正态分布的尺度混合。所提出的 SkeGTD 对各种数据具有出色的适应性，因为它能够允许大范围的偏度和峭度，并且其分离的位置、尺度、偏度和形状参数具有兼容性。我们研究了该分布族的一些重要性质。探索了 SkeGTD 的最大似然估计、L-矩估计和两步估计。为了说明所提方法的实用性，我们进行了模拟研究并分析了两个真实数据集。