Multivariate skew Laplace normal distribution for modeling skewness and heavy-tailedness in multivariate data sets

对多元数据集的偏度和重尾进行建模是一个具有挑战性的问题。本文的主要目标是引入多元斜拉普拉斯正态分布（MSLN）来处理这个问题，为同时建模偏度和重尾性提供了一个灵活的模型。该分布将替代一些多元斜交分布，包括由[28]. 这是因为MSLN分布的参数比大多数分布的参数少，这使得MSLN分配在计算上优于这些分布。研究了该分布的定义和一些分布性质。通过期望最大化（EM）算法获得了MSLN分布参数的最大似然（ML）估计。还提供了仿真研究和实际数据示例，以说明MSLN分布在多元设置中建模数据集的能力。