Bayesian Estimation of Parameters in the Exponentiated Gumbel Distribution

خانواده‌ي توزيع‌هاي گامبل نمايي‌شده‌ براي تبيين و توضيح برخي خصوصيات داده‌ها كه توزيع گامبل از توصيف آن‌ها ناتوان است پيش‌نهاد شده‌اند. در اين مقاله، در يك چارچوب استنباط بيزي، پارامترهاي اين توزيع را براورد مي‌كنيم. يك توزيع پيشين سلسله مراتبي دو سطحي براي پارامترها در نظر گرفته‌شده و از آن‌جايي كه توزيع پسين پارامترها فرم بسته‌اي ندارد، با استفاده از الگوريتم‌هاي گيبز و متروپوليس-هيسينگز يك استنباط تقريبي انجام مي‌دهيم.

The Exponentiated Gumbel (EG) distribution has been proposed to capture some aspects of the data that the Gumbel distribution fails to specify. In this paper, we estimate the EGʹs parameters in the Bayesian framework. We consider a 2-level hierarchical structure for prior distribution. As the posterior distributions do not admit a closed form, we do an approximated inference by using Gibbs and Metropolis-Hastings algorithm.