[論文レビュー] The Generalized Power Generalized Weibull Distribution: Properties and Applications

Mahmoud Ali Selim|arXiv (Cornell University)|Jul 27, 2018

Statistical Distribution Estimation and Applications参考文献 14被引用数 4

ひとこと要約

本稿では、ワイブル分布およびパワー一般化ワイブル分布を拡張する柔軟な統計的モデルである一般化パワー一般化ワイブル（GPGW）分布を提案する。この分布は、バスタブ型および逆バスタブ型を含む多様なハザードレートの形状をとることができ、複雑な故障時間データのモデリングを改善可能である。主な貢献は、統計的性質の包括的導出および最尤推定を用いた実データへの成功した応用にある。

ABSTRACT

This paper introduces a new generalization of the power generalized Weibull distribution called the generalized power generalized Weibull distribution. This distribution can also be considered as a generalization of Weibull distribution. The hazard rate function of the new model has nice and flexible properties and it can take various shapes, including increasing, decreasing, upside-down bathtub and bathtub shapes. Some of the statistical properties of the new model, including quantile function, moment generating function, reliability function, hazard function and the reverse hazard function are obtained. The moments, incomplete moments, mean deviations and Bonferroni and Lorenz curves and the order statistics densities are also derived. The model parameters are estimated by the maximum likelihood method. The usefulness of the proposed model is illustrated by using two applications of real-life data.

研究の動機と目的

• ワイブル分布およびパワー一般化ワイブル分布を一般化する新しい柔軟な統計的分布の開発を目的とする。
• 増加、減少、バスタブ型、逆バスタブ型のパターンを捉えることのできる多様なハザードレート関数を有するモデルの提供を目的とする。
• モーメント、信頼性関数、ハザード関数を含む包括的な統計的性質の導出により、モデリング能力の向上を目的とする。
• 実用的応用を実現するため、最尤推定法を用いたモデルパラメータの推定を目的とする。
• 信頼性および生存分析分野における実データ応用を通じて、モデルの有効性を示すことを目的とする。

提案手法

• 標準ワイブル分布に追加の形状パラメータを導入することで、GPGW分布を構築する。これにより、より高い柔軟性が得られる。
• ハザードレート関数を導出し、バスタブ型および逆バスタブ型を含む多様な形状をとることを示す分析を実施する。
• 分位数関数、モーメント母関数、信頼性関数、逆ハザード関数などの統計的性質を数学的に導出する。
• モーメント、不完全モーメント、平均偏差、ボンフェローニ曲線およびローレンツ曲線を導出し、リスクおよび不平等分析を支援する。
• 順序統計の密度関数を導出し、極値および記録データのモデリングを支援する。
• パラメータ推定は最尤法を用い、実データ応用では数値最適化を適用する。

実験結果

リサーチクエスチョン

• RQ1 多様なハザードレート形状をモデル化できる、より柔軟性の高い新しい一般化ワイブル分布を開発可能か？
• RQ2 GPGW分布の統計的性質は、既存のワイブル拡張と比較してどのように異なるか？
• RQ3 GPGWモデルは、実生活の故障時間データへの適合において、標準ワイブル分布および関連分布をどの程度上回るか？
• RQ4 GPGWフレームワークにおける主要な信頼性およびリスク指標（例：モーメント、ボンフェローニ曲線）の解析的表現は何か？
• RQ5 実用的状況下で、GPGW分布のパラメータに対する最尤推定はどの程度頑健かつ効率的か？

主な発見

• 一般化パワー一般化ワイブル分布は、増加、減少、バスタブ型、逆バスタブ型の故障レートをモデル化可能な柔軟なハザードレート関数を有する。
• 導出されたモーメント、不完全モーメント、および平均偏差は、生存分析における信頼性およびリスク評価の基盤を提供する。
• ボンフェローニ曲線およびローレンツ曲線が明示的に導出され、応用的文脈における不平等および所得分配分析が可能になる。
• 2つの実生活データセットに対して、ベースラインのワイブル分布およびパワー一般化ワイブル分布よりも優れた適合を示した。
• 最尤推定によるパラメータ推定は実行可能かつ効果的であり、数値最適化の収束が確認された実データへの応用によって裏付けられた。