برآورد پارامترهای توزیع فوق‌هندسی تعمیم‌یافته تولید شده به‌وسیلۀ فرایند تولد-مرگ

در این مقاله یک توزیع‌ فوق‌هندسی‌ تعمیم‌یافته که به‌کمک فرایند تولد‌-مرگ و برای مدل‌بندی داده‌های بیوانفورماتیک ساخته شده است را در‌ نظر می‌گیریم. تحت برقراری بعضی شرایط، یک سیستم معادلات درست‌نمایی را به‌دست می‌آوریم که جواب حاصل از آن منطبق بر برآوردگرهای بیشینۀ درست‌نمایی پارامترهای مورد نظر است. یک روش تقریبی همراه با بررسی شبیه‌سازی برای برآورد پارامترها ارائه می‌شود. هم‌چنین به‌منظور ارائه کاربردهای این توزیع، سه نوع داده واقعی در بیوانفورماتیک را با توزیع مورد نظر برازش داده و نتایج را با استفاده از شاخص‌های آماری با چهار توزیع گسسته دیگر مقایسه می‌کنیم که بر این اساس ملاحظه می‌شود توزیع فوق‌هندسی تعمیم‌یافته نسبت به چهار توزیع گسسته دیگر مدل مناسب‌تری است.

Estimation of Parameters for a Generalized Hypergeometric Distribution Generated by Birth-Death Process

In this paper, we consider a three parametric regularly varying generalized Hypergeometric distribution which have been generated by BirthDeath process for describing phenomena in bioinformatics (Danielian and Astola, 2006). Under satisfying some conditions, we obtain the system of likelihood equations which its solution coincides with the maximum likelihood estimators. The given maximum likelihood estimators are the same as some moment estimators.Moreover, an approximate computation of the maximum likelihood estimations for the unknown parameters is given. Using MCMC, simulation studies are proposed.Finally, in order to present applications, some real data sets in bioinformatics are fitted with the model. Based on some important criterions, this model is compared with four other discrete distributions in bioinformatics. We see that the generalized Hypergeometric distribution provides a better fit than four other discrete distributions../files/site1/files/61/9(1).pdf