[論文レビュー] The Beta Flexible Weibull Distribution

B. S. El-Desouky, Abdelfattah Mustafa+1 more|arXiv (Cornell University)|Mar 16, 2017

Statistical Distribution Estimation and Applications参考文献 13被引用数 3

ひとこと要約

本稿では、ベータ一般化族を用いて柔軟なワイブル分布の4パラメータ一般化としてのベータフレキシブルワイブル（BFW）分布を提案する。本稿では主要な統計的性質を導出し、最尤推定法を用いてパラメータを推定し、実データを用いた検証により、BFWモデルが既存のワイブル拡張モデルと比較して、AIC、AICC、BIC、K-S統計量が低いため、より優れた適合度を示すことを示している。

ABSTRACT

We introduce in this paper a new generalization of the flexible Weibull distribution with four parameters. This model based on the Beta generalized (BG) distribution, Eugene et al. \cite{Eugeneetal2002}, they first using the BG distribution for generating new generalizations. This new model is called the beta flexible Weibull BFW distribution. Some statistical properties such as the mode, the $r$th moment, skewness and kurtosis are derived. The moment generating function and the order statistics are obtained. Moreover, the estimations of the parameters are given by maximum likelihood method and the Fisher's information matrix is derived. Finally, we study the advantage of the BFW distribution by an application using real data set.

研究の動機と目的

• 生存分析および信頼性解析におけるモデルの柔軟性を向上させるため、フレキシブルワイブル分布の新しい4パラメータ一般化を開発すること。
• フレキシブルワイブル分布を拡張するためにベータ一般化族を適用し、複雑なデータパターンの適合能力を向上させること。
• モーメント、歪度、尖度、モーメント生成関数、および順序統計量を含む主要な統計的性質を導出し、分析すること。
• 最尤推定法（MLE）を用いてモデルのパラメータを推定し、推論のためのフィッシャー情報行列を導出すること。
• 実データを用いたBFW分布の性能を評価し、FWD、WD、MWD、RAWD、EWDなどの既存のワイブルベースのモデルと、標準的な適合度基準を用いて比較すること。

提案手法

• BFW分布は、フレキシブルワイブル分布の累積分布関数（CDF）にベータ一般化（BG）変換を適用することで構築される。
• 得られたCDFは不完全ベータ関数比を含む級数として表現され、ハザード関数および分布の形状に高い柔軟性をもたらす。
• 確率密度関数（PDF）は、BG密度の公式を用いて導出され、フレキシブルワイブル分布のハザード関数およびベースラインCDFを組み込む。
• モーメント、歪度、尖度、およびモーメント生成関数などの統計的性質は、級数展開を用いて解析的に導出される。
• 順序統計量はBFW分布に対して導出され、極値や記録統計量に関する推論が可能になる。
• パラメータ推定には最尤推定法（MLE）が用いられ、標準誤差および信頼区間の計算のためのフィッシャー情報行列が導出される。

実験結果

リサーチクエスチョン

• RQ1 ベータ一般化族は、フレキシブルワイブル分布を拡張することで、モデルの柔軟性と適合度を向上させることができるか？
• RQ2 パラメータ値が変化する際、BFW分布の統計的性質（モーメント、歪度、尖度など）はどのように振る舞うか？
• RQ3 FWD、WD、MWD、RAWD、EWDなどの既存のワイブル拡張モデルと比較して、BFW分布は実信頼性データに対して顕著に優れた適合度を示すか？
• RQ4 BFW分布のMLEの漸近的性質は何か？また、フィッシャー情報行列によって示される標準誤差は、パラメータ推定の精度をどの程度示しているか？
• RQ5 Kaplan-Meier推定と比較して、BFWモデルは実際の故障時間データの信頼性関数および累積分布関数を効果的に捉えられるか？

主な発見

• BFW分布は、二次の原子炉ポンプの故障データに対して、全モデルの中で最小の対数尤度値（−30.768）を達成しており、最良の適合度を示している。
• BFWモデルは、AIC（69.536）、AICC（71.758）、BIC（74.078）、HQIC（70.678）のすべての値が最小であり、FWD、WD、MWD、RAWD、EWDと比較して優れたモデル適合度を確認している。
• BFWモデルのコルモゴロフ・スミルノフ（K-S）検定統計量は0.1151であり、全モデルの中で最小であり、さらに適合度の優位性を裏付けている。
• MLEの推定分散・共分散行列は、αおよびβの推定値の精度が非常に高いことを示しており、それぞれの標準誤差は約0.046および0.024である。
• プロファイル対数尤度プロットにより、全パラメータのMLEが一意的かつグローバルに最適であることが確認され、局所的最大値は存在しない。
• Kaplan-Meier生存関数は、BFWモデルの推定信頼性関数とよく一致しており、強力な実証的性能を示している。