DOI: https://doi.org/10.17576/jsm-2026-5502-14
تاريخ النشر: 2026-02-28
المؤلف: Patcharee Maneerat وآخرون
الموضوع الرئيسي: تقدير التوزيع الإحصائي وتطبيقاته
نظرة عامة
في هذه الدراسة، يتناول المؤلفون فجوة كبيرة في تقدير معامل التباين (CV) ضمن التوزيعات غير المتماثلة، باستخدام نموذج اللوغاريتمي الثلاثي المعلمات (3PLN) الذي يتميز بتباين كبير. تقيم الأبحاث فعالية أربع طرق إحصائية—المعتمدة على الاحتمالية، والتمهيد البارامتري، والاحتمالية البروفيلية، والاستدلال بايزي—لبناء فترات الثقة (CIs) لمعامل التباين. يتم استخدام مقاييس الأداء مثل معدل التغطية ومتوسط الطول لتقييم هذه الطرق. تشير نتائج المحاكاة إلى أن طريقة الاحتمالية البروفيلية تتفوق في تقدير معامل التباين بدقة، بينما يثبت النهج البايزي، خاصة عند دمجه مع خوارزمية تحسين آدم، أنه خيار موثوق عبر طيف واسع من التباينات.
تختتم الدراسة بتسليط الضوء على مزايا الطريقة البايزية لبناء فترات الثقة لمعامل التباين لنموذج 3PLN، خاصة في السيناريوهات التي تحتوي على بيانات مفرطة التشتت. يقارن المؤلفون أداء النهج البايزي ضد مقدرات أخرى، مثل مقدر عدم التماثل الصفري ومقدر مؤشر عدم التماثل لروستون. على الرغم من أن جميع الطرق الأربعة تنتج حدود ثقة بنسبة 95% تشمل المعامل الحقيقي، إلا أن فترة الثقة المعتمدة على الاحتمالية (LCI) تُلاحظ لطولها الضيق ولكن أداء تغطيتها المنخفض في السياقات ذات التماثل العالي. في النهاية، تدعو الأبحاث إلى استخدام الطريقة البايزية مع خوارزمية تحسين آدم كنهج مفضل لبناء فترات الثقة لمعامل التباين، خاصة في حالات درجات التشتت المتغيرة.
مقدمة
تناقش مقدمة الورقة التأثيرات الضارة للعوامل البيئية مثل الرياح القوية والأمطار الغزيرة على جودة التربة، خاصة من خلال آلية تآكل التربة. تؤكد على أهمية طاقة الأمطار الحركية، التي تتأثر بتوزيع حجم قطرات المطر، كمؤشر حاسم لتقييم إمكانية انفصال التربة. تسجل الدراسة أحجام قطرات المطر اليومية في شيانغ ماي، شمال تايلاند، وتجد أن طاقة الأمطار الحركية تتماشى مع نموذج توزيع اللوغاريتمي الثلاثي المعلمات (3PLN)، الذي يلتقط بشكل فعال عدم تماثل البيانات مقارنة بالنماذج التقليدية ذات المعلمتين.
تسلط الورقة الضوء على أهمية معامل التباين (CV) كمقياس إحصائي لفهم تشتت البيانات بالنسبة للمتوسط، خاصة في سياق أحداث الأمطار التي يمكن أن تؤدي إلى تآكل التربة الشديد. تحدد فجوة بحثية في الأدبيات الحالية بشأن التعامل مع التباينات الكبيرة في نماذج 3PLN وتقترح طرقًا لبناء فترات الثقة (CIs) لإعادة معلمة معامل التباين. تهدف الدراسة إلى تقييم أداء هذه الفترات من خلال طرق إحصائية متنوعة، بما في ذلك الطرق المعتمدة على الاحتمالية والبايزية، مع تطبيقات على بيانات العالم الحقيقي حول طاقة الأمطار الحركية. من المتوقع أن تسهم النتائج في تحسين استراتيجيات إدارة تآكل التربة.
نقاش
في هذا النقاش، تقيم الورقة أداء أربع طرق إحصائية—المعتمدة على الاحتمالية، والتمهيد البارامتري، والاحتمالية البروفيلية، والطرق البايزية—لبناء فترات الثقة (CIs) لمعامل التباين (CV) في توزيع اللوغاريتمي الثلاثي المعلمات (3PLN). تستخدم الطرق خوارزمية تحسين آدم لتقدير المعلمات وتُقارن ضد مقدرات عدم التماثل الصفري ومقدر مؤشر عدم التماثل لروستون. تشير النتائج إلى أن الطريقة البايزية، وخاصة فترة الكثافة الأعلى البايزية (BHD) المستندة إلى تقديرات آدم، تظهر أداءً متفوقًا من حيث كل من معدل التغطية ومتوسط الطول، مما يجعلها الأكثر ملاءمة للتطبيقات العملية التي تتضمن مستويات متغيرة من تشتت البيانات.
يكشف التحليل أنه بينما توفر جميع الطرق عمومًا فترات ثقة صالحة، فإن الطرق المعتمدة على الاحتمالية والاحتمالية البروفيلية تؤدي أيضًا بشكل جيد، خاصة في ظل ظروف التماثل العالي. ومع ذلك، تُظهر فترة ABCP من طريقة التمهيد البارامتري معدلات تغطية أقل، خاصة في سيناريوهات البيانات المائلة. تسلط الدراسة الضوء على قيود مقدرات عدم التماثل الصفري ومقدرات روستون في تقدير العتبات بدقة في التوزيعات ذات التماثل العالي، مما يشير إلى أن التوزيعات البديلة قد تكون أحيانًا أفضل في نمذجة البيانات الملاحظة. بشكل عام، تؤكد الأبحاث على فعالية النهج البايزي لبناء فترات الثقة لمعامل التباين في سياق نموذج 3PLN، خاصة عند معالجة مجموعة واسعة من التباين. يُوصى بمزيد من التحقيق في متانة هذه الطرق ضد الانحرافات عن نموذج 3PLN.
DOI: https://doi.org/10.17576/jsm-2026-5502-14
Publication Date: 2026-02-28
Author(s): Patcharee Maneerat et al.
Primary Topic: Statistical Distribution Estimation and Applications
Overview
In this study, the authors address a significant gap in estimating the coefficient of variation (CV) within asymmetric distributions, specifically using the three-parameter lognormal (3PLN) model characterized by substantial variation. The research evaluates the effectiveness of four statistical methods—likelihood-based, parametric bootstrap, profile likelihood, and Bayesian inference—for constructing confidence intervals (CIs) for the CV. Performance measures such as coverage rate and mean length are employed to assess these methods. The simulation results indicate that the profile likelihood method excels in accurately estimating the CV, while the Bayesian approach, particularly when combined with Adam’s optimization algorithm, proves to be a reliable option across a broad spectrum of variances.
The study concludes by highlighting the advantages of the Bayesian method for constructing CIs for the CV of the 3PLN model, especially in scenarios with overdispersed data. The authors compare the performance of the Bayesian approach against other estimators, such as the zero-skewness estimator and Royston’s index of skewness estimator. Although all four methods yield 95% confidence limits that encompass the true parameter, the likelihood-based confidence interval (LCI) is noted for its narrower length but lower coverage performance in highly skewed contexts. Ultimately, the research advocates for the Bayesian method utilizing the Adam optimization algorithm as the preferred approach for constructing CIs for the CV, particularly in cases of varying degrees of dispersion.
Introduction
The introduction of the paper discusses the detrimental effects of environmental factors such as strong winds and heavy rainfall on soil quality, particularly through the mechanism of soil erosion. It emphasizes the significance of rainfall kinetic energy, which is influenced by raindrop size distribution, as a critical indicator for assessing soil detachment potential. The study records daily raindrop sizes in Chiang Mai, Northern Thailand, and finds that the kinetic energy of rainfall aligns with a three-parameter lognormal (3PLN) distribution model, which effectively captures the asymmetry of the data compared to traditional two-parameter models.
The paper highlights the importance of the coefficient of variation (CV) as a statistical measure for understanding data dispersion relative to the mean, particularly in the context of rainfall events that can lead to severe soil erosion. It identifies a research gap in the existing literature regarding the handling of large variances in 3PLN models and proposes methods for constructing confidence intervals (CIs) for the reparameterization of the CV. The study aims to evaluate the performance of these CIs through various statistical approaches, including likelihood-based and Bayesian methods, with applications to real-world data on rainfall kinetic energy. The findings are expected to contribute to improved soil erosion management strategies.
Discussion
In this discussion, the paper evaluates the performance of four statistical methods—likelihood-based, parametric bootstrap, profile likelihood, and Bayesian approaches—for constructing confidence intervals (CIs) for the coefficient of variation (CV) in a three-parameter lognormal (3PLN) distribution. The methods utilize the Adam optimization algorithm for parameter estimation and are compared against zero-skewness and Royston’s index of skewness estimators. The findings indicate that the Bayesian method, particularly the Bayesian highest density (BHD) interval based on Adam’s estimates, demonstrates superior performance in terms of both coverage rate and mean length, making it the most suitable for practical applications involving varying levels of data dispersion.
The analysis reveals that while all methods generally provide valid CIs, the likelihood-based and profile likelihood methods also perform well, especially under conditions of high skewness. However, the ABCP interval from the parametric bootstrap method shows lower coverage rates, particularly in skewed data scenarios. The study highlights the limitations of the zero-skewness and Royston’s estimators in accurately estimating thresholds in highly skewed distributions, suggesting that alternative distributions may sometimes better model the observed data. Overall, the research underscores the efficacy of the Bayesian approach for constructing CIs for the CV in the context of the 3PLN model, particularly when addressing a wide range of variation. Further investigation into the robustness of these methods against deviations from the 3PLN model is recommended.