Zusammenfassung Die Champernowne-Verteilung ist eine wenig bekannte verallgemeinerte logistische Verteilung, die nützlich für die Modellierung von Daten ist, die auf der gesamten reellen Linie definiert sind, wo sie sowohl leptokurtische als auch platykurtische Daten modellieren kann. Wir präsentieren eine ähnliche Verteilung, die GGL-Verteilung, die ebenfalls gut zu Daten passt, jedoch viel handhabbarer ist und daher ein breites Anwendungsspektrum hat. Die Verteilungsfunktion ist einfach, und somit auch die Erzeugung von Zufallszahlen sowie die Berechnung von Quantilen und erwartetem Verlust. Wir beschreiben die Eigenschaften der neuen Verteilung und zeigen, dass sie langschwänzige Daten ähnlich gut wie die t-Verteilung anpasst, mit dem Vorteil, dass alle Momente und die Momentgenerierungsfunktion existieren. Sie kann auch kurzschwänzige und sogar bimodale Daten anpassen, was einen parametrischen Test auf Bimodalität ermöglicht. Außerdem liefert sie einen Test zur Güte der Anpassung für die logistische Regression, eine verallgemeinerte Version der logistischen Regression, und ein verallgemeinertes Wachstumsmodell.
Rose Baker (Thu,) untersuchte diese Frage.