[論文レビュー] Exponentiated Weibull-Poisson distribution: model, properties and applications

Eisa Mahmoudi, Afsaneh Sepahdar|arXiv (Cornell University)|Dec 21, 2012

Statistical Distribution Estimation and Applications参考文献 23被引用数 4

ひとこと要約

本稿では、指数化されたワイブル分布とポアソン分布を合成することで導出された、4つのパラメータを持つ柔軟な寿命モデルとして、指数化されたワイブル-ポアソン（EWP）分布を提案する。このEWP分布は、バスタブ型、単峰型、増加型、減少型のさまざまな故障率の形状をモデル化可能である。EWP分布は、最尤推定をEMアルゴリズムを用いて実装し、実データセットを用いた妥当性検証を経て、信頼性解析および生存解析の分野において強固なフレームワークを提供する。

ABSTRACT

In this paper we propose a new four-parameters distribution with increasing, decreasing, bathtub-shaped and unimodal failure rate, called as the exponentiated Weibull-Poisson (EWP) distribution. The new distribution arises on a latent complementary risk problem base and is obtained by compounding exponentiated Weibull (EW) and Poisson distributions. This distribution contains several lifetime sub-models such as: generalized exponential-Poisson (GEP), complementary Weibull-Poisson (CWP), complementary exponential-Poisson (CEP), exponentiated Rayleigh-Poisson (ERP) and Rayleigh-Poisson (RP) distributions. We obtain several properties of the new distribution such as its probability density function, its reliability and failure rate functions, quantiles and moments. The maximum likelihood estimation procedure via a EM-algorithm is presented in this paper. Sub-models of the EWP distribution are studied in details. In the end, Applications to two real data sets are given to show the flexibility and potentiality of the new distribution.

研究の動機と目的

• バスタブ型や単峰型のパターンを含む、多様な故障率の形状をモデル化可能な新しい4パラメータの寿命分布の開発。
• 信頼性および医療分野のデータで観察される非単調な故障率をフィットさせる際に、ワイブル分布および指数化されたワイブル分布の限界を解消すること。
• 観察可能なのは潜在的なリスクのうち最大の故障時間であるという補完的リスク枠組みにおいて、柔軟なモデルを提供すること。
• 指数化されたワイブルベースラインを組み込むことで、既存のポアソン合成分布を拡張し、モデルの柔軟性を向上させること。
• 推定、仮説検定、および公衆衛生、保険科学、工学分野における実世界のデータセットへの応用を含む包括的な統計的フレームワークの提供。

提案手法

• EWP分布は、指数化されたワイブル（EW）分布とポアソン分布を合成することで構築され、4つのパラメータ α, β, γ, θ を持つ新しい寿命分布が得られる。
• EWP分布の確率密度関数（PDF）、生存関数、および故障率関数が閉形式で導出され、解析的および数値的評価が可能になる。
• モーメント、分位点、RényiおよびShannonエントロピー、および順序統計量が導出され、統計的推論およびモデル特徴の定量化を支援する。
• パラメータの最尤推定にEMアルゴリズムが用いられ、完全データの対数尤度関数およびEステップ・Mステップの更新式が明示的に導出される。
• 大標本推論のための観察 Fisher 情報行列が計算され、標準誤差および信頼区間の構築が可能になる。
• 確率加重モーメントおよび平均からの偏差、中央値からの偏差が導出され、代替推定およびモデル診断を支援する。

実験結果

リサーチクエスチョン

• RQ1 増加、減少、バスタブ型、単峰型の故障率を含む、寿命データにおける多様な故障率形状を扱える新しい4パラメータ分布を開発できるか？
• RQ2 EWP分布は、ワイブル、指数型、一般化指数型-ポアソンなどの既存分布と比較して、非単調な故障率を示すデータをどのようにモデル化するか？
• RQ3 EWP分布は、特に信頼性および医療分野の応用において、競合モデルと比較して実世界の寿命データセットに対してより良いフィットを提供するか？
• RQ4 EWP分布のパラメータ推定におけるEMアルゴリズムの統計的性能はいかに高く、有限標本における標準誤差および信頼区間の挙動はどのようになるか？
• RQ5 EWPモデル下での主な信頼性指標、たとえば残存寿命関数および逆残存寿命関数の挙動はどのようなものか、リスク評価にどのような洞察を提供するか？

主な発見

• EWP分布は、標準ワイブル分布が捉えきれないバスタブ型や単峰型の故障率パターンを効果的にモデル化できることが確認された。
• EWP分布は、一般化指数型-ポアソン（GEP）、補完的ワイブル-ポアソン（CWP）、レイリー-ポアソン（RP）といった既知のサブモデルを含んでおり、その柔軟性と一般性を示している。
• EMアルゴリズムは、EステップおよびMステップの明示的表現を閉形式で得られることから、EWPパラメータの最尤推定に対して安定的かつ効率的な手法であることが示された。
• 観察 Fisher 情報行列が導出され、大標本推論およびパラメータの信頼区間の構築が可能になった。
• 2つの実データセットへの応用では、AICおよびBICの値が低く、適合度統計量が改善されており、EWP分布が競合モデルよりも優れたフィットを示した。
• EWP分布は、特に公衆衛生および信頼性工学分野において、従来のモデルが複雑な故障ダイナミクスを捉えきれない歪んだ寿命データをモデル化するのに対して、優れた性能を示した。