[論文レビュー] Exponentiated Weibull-logarithmic Distribution: Model, Properties and Applications

Eisa Mahmoudi, Afsaneh Sepahdar+1 more|arXiv (Cornell University)|Feb 21, 2014

Statistical Distribution Estimation and Applications参考文献 23被引用数 8

ひとこと要約

本稿では、潜在的補完的リスク枠組みを用いて、加重ワイブル分布と対数分布を合成することで導出された4パラメータの寿命モデル、指数型ワイブル対数分布（EWL）を提案する。EWL分布は、減少、増加、単峰型、バットルーフ型の多様なハザードレート形状を示し、一般化指数対数分布や補完的ワイブル対数分布といった部分モデルを含む。最尤推定と適合度検定を通じて、既存の分布と比較して実データへの適合が優れていることが検証された。

ABSTRACT

In this paper, we introduce a new four-parameter generalization of the exponentiated Weibull (EW) distribution, called the exponentiated Weibull-logarithmic (EWL) distribution, which obtained by compounding EW and logarithmic distributions. The new distribution arises on a latent complementary risks scenario, in which the lifetime associated with a particular risk is not observable; rather, we observe only the maximum lifetime value among all risks. The distribution exhibits decreasing, increasing, unimodal and bathtub-shaped hazard rate functions, depending on its parameters and contains several lifetime sub-models such as: generalized exponential-logarithmic (GEL), complementary Weibull-logarithmic (CWL), complementary exponential-logarithmic (CEL), exponentiated Rayleigh-logarithmic (ERL) and Rayleigh-logarithmic (RL) distributions. We study various properties of the new distribution and provide numerical examples to show the flexibility and potentiality of the model.

研究の動機と目的

• 加重ワイブル分布を一般化し、多様なハザードレート形状を扱える新しい4パラメータの寿命分布の開発を目的とする。
• 複数のリスクのうち最大の寿命しか観測されない状況を、潜在的補完的リスク状況に基づきモデル化することを目的とする。
• 一般化指数対数分布や補完的ワイブル対数分布といった部分モデルを含む、柔軟な統計モデルの提供を目的とする。
• 最尤推定とEMアルゴリズムを用いたパラメータ推定と推論を可能にし、実世界の寿命データへの応用を目的とする。
• 包括的な適合度統計量を用いて、実データセットへのモデルの優位性を実証することを目的とする。

提案手法

• EWL分布は、リスク数が対数分布に従うものとして、加重ワイブル（EW）分布と対数分布を合成することで構築される。
• 最大寿命Yの周辺累積分布関数（CDF）は、F(y) = log[1 - θ(1 - e^{-(βy)^γ})^α] / log(1 - θ)（θ ∈ (0,1)）として導出される。
• 確率密度関数（PDF）は、f(y) = [αθγβ^γ y^{γ-1} e^{-(βy)^γ} (1 - e^{-(βy)^γ})^{α-1}] / [log(1 - θ) (θ(1 - e^{-(βy)^γ})^α - 1)] として導出され、EWL(α, β, γ, θ)分布を定義する。
• 潜在変数構造に対応するため、EMアルゴリズムを用いて4パラメータの最尤推定を実施する。
• モデルの性質には、分位数、モーメント、RényiエントロピーとShannonエントロピー、順序統計量、残存寿命関数、確率加重モーメントが含まれる。
• 適合度は、2つの実データセットを用いて、K-S統計量、p値、AIC、AD、CM、および尤度比検定により評価された。

実験結果

リサーチクエスチョン

• RQ1 加重ワイブルを一般化し、多様なハザードレート行動を扱える新しい4パラメータの寿命分布を開発できるか？
• RQ2 実世界の寿命データへの適合度において、Weibull、指数、一般化指数分布といった既存モデルと比較して、EWL分布はどのように性能を発揮するか？
• RQ3 対数分布による合成機構が、補完的リスク枠組みにおける分布の柔軟性と解釈可能性に与える影響は何か？
• RQ4 潜在変数を伴う状況において、EMアルゴリズムはEWL分布のパラメータを効果的に推定できるか？
• RQ5 EWLモデルの部分モデル（例：GEL、CEL、CWL）が、さまざまな故障時間データのモデリングに与える意味は何か？

主な発見

• EWL分布は、パラメータ値に応じて、減少、増加、単峰型、バットルーフ型の多様なハザードレート関数を示す。
• 最初のデータセット（200件のストレス破壊時間）では、EWLモデルがK-S統計量0.075、p値0.8657、-2log(L) = 111.738、AIC = 119.738を達成し、他のモデルと比較して優れた適合を示した。
• 2番目のデータセット（1.5cmのガラス繊維の強度、n=63）では、EWLモデルが最小のAIC（119.738）とAD（0.2545）を記録し、K-Sのp値は0.8657であった。Weibull、GE、EWモデルを上回る性能を示した。
• 尤度比検定により、帰無仮説（例：WG対EWL）が有意に棄却され、p値はそれぞれ4.34e-05、0.0008、0.0005であった。これにより、簡素な代替モデルに比べ、EWLモデルの統計的有意性が確認された。
• EMアルゴリズムにより、4パラメータの最尤推定が成功裏に実施され、両データセットにおける各パラメータの標準誤差が報告された。
• EWLモデルは、GEL、CEL、CWL、ERL、RLといった部分モデルを含み、さまざまな故障時間シナリオへの広範な適用可能性を示している。