Published January 1, 2024
| Version v1
Publication
Open
Pareto exponentiated log-logistic distribution (PELL) with an application to Covid-19 data
Creators
- 1. Islamia College University
- 2. University of Peshawar
- 3. University of Tabuk
- 4. University of Minnesota
- 5. National College of Business Administration and Economics
Description
Recently, the Covid-19 pandemic has caused tremendous trauma over the world, leading to psychological and behavioral harm in addition to social and economic instabilities. Even though the pandemic's statistical analysis is still in progress, it is essential to fit Covid-19 data using statistical models to prevent further harm. In order to model Covid-19 data, the study suggests a novel family of distributions called the exponentiated log-logistic family. The basic Pareto distribution is transformed as a special case, and certain properties of the proposed distribution are discussed. To estimate the model parameters, the maximum likelihood estimation approach is used. Moreover, a simulation study is conducted to ensure the consistency of parameter estimates. Three real-world datasets relevant to the Covid-19 pandemic are examined to demonstrate the applicability of the suggested approach. The proposed model is shown to be more flexible and provides an improved fit to describe the Covid-19 data when compared to various alternative forms of Pareto distribution.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
في الآونة الأخيرة، تسببت جائحة كوفيد-19 في صدمة هائلة في جميع أنحاء العالم، مما أدى إلى ضرر نفسي وسلوكي بالإضافة إلى عدم الاستقرار الاجتماعي والاقتصادي. على الرغم من أن التحليل الإحصائي للوباء لا يزال قيد التقدم، إلا أنه من الضروري ملاءمة بيانات كوفيد-19 باستخدام النماذج الإحصائية لمنع المزيد من الضرر. من أجل نمذجة بيانات Covid -19، تقترح الدراسة عائلة جديدة من التوزيعات تسمى عائلة log - logistic الأسسية. يتم تحويل توزيع باريتو الأساسي كحالة خاصة، وتتم مناقشة خصائص معينة للتوزيع المقترح. لتقدير معلمات النموذج، يتم استخدام نهج تقدير الحد الأقصى للاحتمال. علاوة على ذلك، يتم إجراء دراسة محاكاة لضمان اتساق تقديرات المعلمات. يتم فحص ثلاث مجموعات بيانات في العالم الحقيقي ذات صلة بجائحة كوفيد-19 لإثبات قابلية تطبيق النهج المقترح. يُظهر النموذج المقترح أنه أكثر مرونة ويوفر ملاءمة محسنة لوصف بيانات Covid -19 عند مقارنته بالأشكال البديلة المختلفة لتوزيع باريتو.Translated Description (French)
Récemment, la pandémie de Covid-19 a causé d'énormes traumatismes dans le monde entier, entraînant des dommages psychologiques et comportementaux en plus des instabilités sociales et économiques. Même si l'analyse statistique de la pandémie est toujours en cours, il est essentiel d'adapter les données de la Covid-19 à l'aide de modèles statistiques pour prévenir d'autres dommages. Afin de modéliser les données de Covid-19, l'étude suggère une nouvelle famille de distributions appelée famille log-logistique exponentielle. La distribution de Pareto de base est transformée en un cas particulier, et certaines propriétés de la distribution proposée sont discutées. Pour estimer les paramètres du modèle, l'approche d'estimation du maximum de vraisemblance est utilisée. De plus, une étude de simulation est menée pour assurer la cohérence des estimations des paramètres. Trois ensembles de données du monde réel pertinents pour la pandémie de Covid-19 sont examinés pour démontrer l'applicabilité de l'approche suggérée. Le modèle proposé s'est avéré plus flexible et offre un ajustement amélioré pour décrire les données de Covid-19 par rapport à diverses formes alternatives de distribution de Pareto.Translated Description (Spanish)
Recientemente, la pandemia de Covid-19 ha causado un tremendo trauma en todo el mundo, lo que ha provocado daños psicológicos y de comportamiento, además de inestabilidades sociales y económicas. A pesar de que el análisis estadístico de la pandemia aún está en curso, es esencial ajustar los datos de Covid-19 utilizando modelos estadísticos para evitar mayores daños. Para modelar los datos de Covid-19, el estudio sugiere una nueva familia de distribuciones llamada familia log-logística exponenciada. La distribución básica de Pareto se transforma como un caso especial, y se discuten ciertas propiedades de la distribución propuesta. Para estimar los parámetros del modelo, se utiliza el enfoque de estimación de máxima verosimilitud. Además, se realiza un estudio de simulación para garantizar la consistencia de las estimaciones de los parámetros. Se examinan tres conjuntos de datos del mundo real relevantes para la pandemia de Covid-19 para demostrar la aplicabilidad del enfoque sugerido. Se muestra que el modelo propuesto es más flexible y proporciona un ajuste mejorado para describir los datos de Covid-19 en comparación con varias formas alternativas de distribución de Pareto.Files
015052_1_5.0182705.pdf.pdf
Files
(93 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:b0d506893d4802090edf1644f5f082cd
|
93 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- قام باريتو بإنشاء توزيع لوجستي لوجستي (PELL) مع تطبيق على بيانات Covid -19
- Translated title (French)
- Distribution log-logistique exponentielle de Pareto (PELL) avec une application aux données Covid-19
- Translated title (Spanish)
- Distribución log-logística exponenciada de Pareto (PELL) con aplicación a datos Covid-19
Identifiers
- Other
- https://openalex.org/W4391134627
- DOI
- 10.1063/5.0182705
References
- https://openalex.org/W1964366808
- https://openalex.org/W1965599912
- https://openalex.org/W1987420966
- https://openalex.org/W1995059026
- https://openalex.org/W2036983007
- https://openalex.org/W2047851142
- https://openalex.org/W2057227391
- https://openalex.org/W2062225351
- https://openalex.org/W2086150050
- https://openalex.org/W2106033563
- https://openalex.org/W2130388500
- https://openalex.org/W2153075205
- https://openalex.org/W2515151927
- https://openalex.org/W2561459248
- https://openalex.org/W2582743722
- https://openalex.org/W2775880809
- https://openalex.org/W2952252935
- https://openalex.org/W2963297775
- https://openalex.org/W3041333867
- https://openalex.org/W3049331390
- https://openalex.org/W3082543392
- https://openalex.org/W3112377792
- https://openalex.org/W3132964890
- https://openalex.org/W3185059168
- https://openalex.org/W3213142327
- https://openalex.org/W4200360546