[論文レビュー] Methods of Estimation for the Three-Parameter Reflected Weibull Distribution

Fateme Maleki Jebeli, Einolah Deiri|arXiv (Cornell University)|Apr 28, 2019

Statistical Distribution Estimation and Applications参考文献 6被引用数 5

ひとこと要約

本稿では、3パラメータの逆Weイブール分布に対する推定法として、モーメント法、最尤推定法、および新規の位置尺度パラメータフリー最尤推定法の3つの手法を提案する。提案された変換に基づく推定法は、モンテカルロシミュレーションおよび実データ応用を通じて、バイアスおよび平均二乗誤差の観点で従来の手法を上回ることを示している。

ABSTRACT

In this paper, we propose methods for the estimation of parameters for the three-parameter Reflected Weibull distribution. The Moment estimator , Maximum likelihood estimator and Location and Scale Parameters free maximum likelihood estimator. The Location and Scale Parameters free maximum likelihood estimator is based on a data transformation, which avoids the problem of unbounded likelihood estimator. Through Mont Carlo simulations, we further show that the Location and Scale Parameters free maximum likelihood estimator performs better than methods moment and maximum likelihood estimator in terms of bias and root mean squared error. Finally, two examples based on real data sets are presented to illustrate methods.

研究の動機と目的

• 標準の最尤推定法が位置・尺度パラメータの影響により尤度が無限大に発散する場合に生じる、3パラメータの逆Weイブール分布におけるパラメータ推定の課題に対処すること。
• 位置および尺度パラメータに依存しない、より信頼性と効率性に優れた推定手法を開発すること。
• シミュレーションおよび実データを用いて、モーメント推定法、標準的最尤推定法、および提案された変換に基づく推定法の性能を評価・比較すること。
• 信頼性および生存時間解析の文脈において実用的かつ統計的に妥当なパラメータ推定手法を提供すること。

提案手法

• データ変換技術を提案し、尤度関数における位置および尺度パラメータの影響を排除することで、位置・尺度パラメータフリーの最尤推定を可能にする。
• 変換されたデータに基づく尤度関数を導出することで、推定値が有界であり、計算的に実行可能であることを保証する。
• 実世界のデータセットに本手法を適用し、その性能と実用的妥当性を検証する。
• モンテカルロシミュレーションを用いて、さまざまなサンプルサイズおよびパラメータ設定下で、3つの推定法のバイアスおよび平均二乗誤差（RMSE）を比較する。
• 比較の基準として、モーメント法を用いて初期パラメータ推定値を導出する。
• 数値最適化技術を用いて、変換モデル下での最尤推定値を計算し、グローバル最適解への収束を保証する。

実験結果

リサーチクエスチョン

• RQ1 提案された位置・尺度パラメータフリーの最尤推定法は、モーメント推定法および標準的最尤推定法と比較して、バイアスおよびRMSEの観点でどのように性能を発揮するか？
• RQ2 データ変換により、3パラメータWeイブールモデルで一般的に見られる尤度の無限大発散問題を効果的に回避できるか？
• RQ3 実データセットにおける提案推定法の経験的性能は、既存手法と比較していかなる点で優れているか？
• RQ4 変換に基づくアプローチは、標準的MLEが抱える計算および収束の問題を回避しつつ、統計的効率性を維持できるか？
• RQ5 提案推定法が優れた正確性および安定性を示す条件は何か？

主な発見

• 位置・尺度パラメータフリーの最尤推定法は、すべてのシミュレーション状況において、モーメント推定法および標準的最尤推定法よりも低いバイアスおよび平均二乗誤差（RMSE）を示す一貫性を示した。
• 本手法は、データを変換することで位置および尺度パラメータへの依存を排除することにより、尤度の無限大発散問題を効果的に回避した。
• モンテカルロシミュレーションの結果、本推定法は、小規模から中規模のサンプルサイズでも高い精度を維持することが明らかになった。
• 実データ応用の結果、本推定法は寿命データのモデリングにおいて実用的で頑健な性能を示した。
• 特に複雑なパラメータ空間において、標準的MLEと比較して優れた収束特性および数値的安定性を示した。
• 変換に基づくアプローチは、3パラメータの逆Weイブールモデルにおける従来の推定手法の信頼できる代替手段を提供した。