本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
大多數基於冪律指數最大似然 (ML) 估計的標準方法只能可靠地用於識別小於負一的指數。冪律不可歸一化的論點取決於資料擷取的基礎樣本空間，並且僅適用於不受上方限制的樣本空間。從有界樣本空間獲得的冪律（幾乎所有與數據相關的問題都是如此）總是不受此類限制，並且可以不受限制地獲得任意冪的最大似然估計。在這裡，我們首先針對有界離散樣本空間上的冪律分佈的任意指數導出適當的 ML 估計器。然後我們證明幾乎相同的估計器也可以完美地處理連續資料。我們實作了這個 ML 估計器，並與先前的嘗試討論了它的效能。我們提供瞭如何使用這些估計器的一般方法並提供了相關的計算機代碼。