A flexible wrapped Lindley-type distribution for angular data modelling
面向角度数据的柔性缠绕Lindley型分布AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要主题为圆周分布的构造、性质与参数估计，属于统计分布理论方向，与所列微观、宏观、金融计量细分领域均无直接文本对应，故不选择。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
面向角度数据的柔性缠绕Lindley型分布
- 研究问题
- 摘要称，本文关注角度（圆周）数据的建模问题：如何在保持解析可处理性的同时，为集中度与偏度提供比现有圆周模型更灵活的刻画。
- 方法与思路
- 作者提出 w3PL 分布，即在缠绕 Lindley 分布基础上引入两个额外形状参数进行推广；摘要称推导了密度函数、分布函数与三角矩的闭式表达，刻画了分布模态与不变性，并在正则化极大似然框架下估计参数，另做模拟研究。
- 材料陈述的贡献
- 摘要明确陈述的贡献是：给出一个包含若干既有圆周模型为特例的柔性圆周分布族，提供闭式分布性质与正则化极大似然估计方法，并在模拟中显示参数恢复可靠、有限样本表现稳定。
- 阅读关注点
- 应核对：两个新增形状参数的具体形式与识别方式；正则化项的选择与调参依据；三角矩与模态结论的推导条件；模拟设计（样本量、真值、重复次数）与评价指标；地质、海洋生物、金融三组数据的来源、样本量与拟合比较标准。
- 阅读边界
- 仅凭摘要无法判断推导是否正确、模拟是否充分、与替代模型的比较是否公平，也无法核实所声称的拟合改进；摘要未说明正则化极大似然的具体形式、数据细节与数值结果。该文为 arXiv 预印本，未经同行评审验证。
原文摘要
Flexible distributions for modelling angular data have received considerable attention in recent years, with ongoing work extending existing circular models to provide greater flexibility in capturing diverse angular behaviours. In this paper, we introduce and study the w3PL distribution, a circular model obtained by extending the wrapped Lindley distribution by incorporating two additional shape parameters. The proposed generalisation increases flexibility in modelling concentration and skewness while preserving analytical tractability and encompassing existing circular models as special cases. Closed-form expressions for the probability density function, cumulative distribution function, and trigonometric moments are derived, allowing key distributional properties to be studied analytically. The distributional modality is characterised, and the nature of invariance is investigated for the newly proposed circular model. Parameter estimation is developed within a regularised maximum likelihood framework, and a simulation study demonstrates reliable parameter recovery and stable finite-sample performance. Applications to angular datasets from geology, marine biology, and finance illustrate the model's practical significance and show improved fit relative to existing circular alternatives.