改進的零膨脹二項分布模型及其應用.pdf

1、在計數(shù)模型的分析探究中，經(jīng)常會遇到計數(shù)資料間存在較大的差異。當變量的方差大于期望時，便存在過離散現(xiàn)象。由于大量零值的存在而造成期望與方差之間的差異，便是零膨脹現(xiàn)象。針對上述數(shù)據(jù)的處理，目前通常是選擇符合實際情況的離散分布模型與零膨脹結構相結合的方式，構造出適當零膨脹離散分布模型來處理此問題。
　　由于零膨脹結構對于過零值現(xiàn)象的顯著效果，現(xiàn)今的零膨脹泊松分布模型、零膨脹負二項分布模型及其推廣形式，廣泛應用于工業(yè)、農(nóng)業(yè)、保險、環(huán)境科學

2、、森林火災、交通事故控制等領域。上述結構模型的關注重點在于對過零值現(xiàn)象的分析處理，對所研究對象的數(shù)據(jù)分布探討的并不充分。
　　首先，對本文所研究對象的數(shù)據(jù)分布特點，進行全面深刻地分析，發(fā)現(xiàn)研究對象僅存在兩種互斥結果，此時具備典型的二項分布特點。但隨著對研究對象的數(shù)據(jù)分布的進一步分析時，發(fā)現(xiàn)所研究對象的數(shù)據(jù)分布中期望小于方差值，那么就不滿足二項分布中期望大于方差的前提條件。因此，本文選擇以傳統(tǒng)的二項分布模型為基礎，將其擴展到更為一般

3、的形式，通過引入全局散度構造出改進二項分布模型，使其不僅能滿足數(shù)據(jù)結構中期望小于方差的特性又符合二項分布的特點。
　　其次，本文所研究對象中，存在過零值現(xiàn)象。本文選擇引入零膨脹結構與上述構造的改進的二項分布相結合，構造出改進的零膨脹二項分布模型，使其能較好地解決在環(huán)境超標排放數(shù)據(jù)過程中，既能處理存在過零值問題又能解決期望小于方差的問題。隨后以極大似然估計與牛頓迭代法求解，得到最優(yōu)全局調(diào)節(jié)散度，以增加其應用范圍。
　　最后，基