Minimum Density Power Divergence Estimation for the Gamma Distribution with Applications to Robust Rainfall Modeling
伽马分布的最小密度幂散度估计及其在稳健降雨建模中的应用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：摘要主题为伽马分布的稳健估计方法及其在降雨数据中的应用，属于统计方法与气象水文应用，与所列微观、宏观、金融等计量领域细分无直接文本对应，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…
关注这篇论文的作者
伽马分布的最小密度幂散度估计及其在稳健降雨建模中的应用
- 研究问题
- 摘要称，降雨数据常因测量误差和极端天气而含有异常观测，使极大似然估计对污染高度敏感；本文关注如何为两参数伽马分布构建对污染稳健的估计框架。
- 方法与思路
- 作者提出基于最小密度幂散度估计量（MDPDE）的稳健估计框架，推导显式估计方程，给出渐近协方差矩阵的闭式表达，并通过影响函数分析与渐近相对效率考察稳健性，再用模拟和印度降雨数据评估有限样本表现。
- 材料陈述的贡献
- 摘要称，作者建立了所提估计量的若干理论性质，包括渐近协方差矩阵闭式解与影响函数、渐近相对效率分析；模拟与1951—2014年印度36个气象分区季风降雨数据的应用显示，MDPDE在稳健性与效率之间提供折中，含离群值时推断比MLE更稳定，无污染时仍保持较高效率。
- 阅读关注点
- 阅读全文时应核对：估计方程与渐近协方差矩阵的推导条件、影响函数与相对效率的具体设定、模拟中污染模型与调参方式、印度降雨数据去趋势与面积加权的处理细节，以及结论是否仅基于该数据。
- 阅读边界
- 仅凭摘要无法判断理论推导的严格性、模拟设计与实证处理是否恰当，也无法核实具体数值结果；摘要未说明调参选择准则、样本量与置信区间覆盖等细节。该文为arXiv预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
Statistical modeling of rainfall amounts is of considerable importance in meteorology, hydrology, and agriculture. The gamma distribution remains one of the most popular choices for modeling rainfall data due to its flexibility and ability to capture the skewness of rainfall observations. Rainfall datasets often contain atypical observations due to measurement errors and extreme weather events, making maximum likelihood estimation (MLE) highly sensitive to contamination. In this paper, we develop a robust estimation framework for the two-parameter gamma distribution based on the minimum density power divergence estimator (MDPDE). Explicit estimating equations are derived, and several theoretical properties of the proposed estimators are established. In particular, closed-form expressions for the asymptotic covariance matrix are obtained, and robustness is investigated through influence function analysis and asymptotic relative efficiency. The finite-sample performance of the estimators is examined through simulation studies under both pure and contaminated gamma models. The proposed methodology is further implemented to analyze detrended areally weighted monsoon rainfall data from the 36 meteorological subdivisions of India for the period 1951--2014. The results demonstrate that the MDPDE provides a useful compromise between robustness and efficiency, yielding more stable inference than MLE in the presence of outliers while maintaining high efficiency for uncontaminated data.