A new distribution called the gamma exponentiated Lindley Log-logistic (GELLLoG) distribution is developed. Some properties of the new distribution including hazard function, quantile function, moments, conditional moments, mean and median deviations, Bonferroni and Lorenz curves, distribution of the order statistics and Réenyi entropy are derived. Maximum likelihood estimation technique is used to estimate the model parameters. We conduct a simulation study to examine the bias and mean square error of the maximum likelihood estimators. Finally, applications to real datasets to illustrate the usefulness of the proposed distribution are presented.

Dans ce papier une nouvelle loi est introduite. Elle est denommée loi log-logistic exponentiée gamma (GELLLoG).Elle est une generalisation de la loi de Lindley. Quelques propriétes statistiques (fonction de risque, fonctions des quantiles, moments absolus et conditionels, déviation par rapport à médiane, courbes de Bonferroni and Lorenz curves, entropie, etc.) sont données. Les estimateurs de maximum de vraisemblance sont étudiés. Des applications à des données réelles sont faites.

A new flexible and versatile generalized family of distributions, namely, half logistic odd Weibull-Topp-Leone-G (HLOW-TL-G) distribution is presented. The distribution can be traced back to the exponentiated-G distribution. We derive the statistical properties of the proposed family of distributions. Maximum likelihood estimates of the HLOW-TL-G family of distributions are also presented. Five special cases of the proposed family are presented. A simulation study and real data applications on one of the special cases are also presented.

Une généralisation de la famille de lois Exponentiated-G est proposée. Quelques propriétes statistiques et l'estimation du modèle par la mC)thode du maximum de vraisemblance sont étudiées. Des applications à des données réelles sont faites.

In this paper, a new asymmetric GARCH type model that generalizes the Hyperbolic Asymmetric Power ARCH (HY-APARCH) process is proposed. The proposed model takes into consideration some characteristics of financial time series data like volatility clustering, long memory and structural changes. The necessary and sufficient conditions for the asymptotic stability of the model are derived and parameter estimation methods are proposed. The Monte Carlo Simulations are done to prove the performance of the estimation method.

Nous proposons un modèle GARCH symmétrique qui généralise le modèle asymétrique hyperbolique Power ARCH. Notre modèle prend en compte des caractèristiques de séries chronologiques financières telles que la volatilité du grappage, les longues mémoires et les changement structurels. Nous obtenons des conditions nécessaires et suffisantes de statilité asymptotique et procédons à une estimation paramétrique pour valider le modèle. Une étude de simulation vient en appui aux résultats théoriques.