[논문 리뷰] A new 3-parameter extension of generalized lindley distribution

Deepesh Bhati, M.A. Malik외 1명|arXiv (Cornell University)|2016. 01. 06.

Statistical Distribution Estimation and Applications참고 문헌 5인용 수 5

한 줄 요약

이 논문은 린들리 분포의 적분 변환을 통해 유도된 새로운 3파라미터 확장 일반 린들리(Extended Generalized Lindley, EGL) 분포를 제안한다. 이는 증가, 감소 및 역전된 고장률 행동을 유연하게 모델링할 수 있도록 한다. EGL 분포는 실제의 방광암 및 대기 대기 시간 데이터에 대한 피팅에서 기존 모델보다 AIC, BIC 및 콜모고로프-스미르노프 통계량이 뛰어나 성능이 뛰어나다.

ABSTRACT

Here, we introduce a new class of Lindley generated distributions which results in more flexible model with increasing failure rate (IFR), decreasing failure rate(DFR) and up-side down hazard functions for different choices of parametric values. We explore, various distributional properties including limiting distribution of extreme order statistics explored. Maximum likelihood estimators and the confidence intervals of the parameters are obtained. The applicability of the proposed distribution is shown through modelling two sets of real data on bladder cancer patients and waiting time in a queue. Further, we carry out stress-strength analysis for applying the model in system reliability studies.

연구 동기 및 목표

• 기존의 린들리 기반 모델보다 다양한 고장률 행동(IFS, DFR, 역전)을 모델링할 수 있는 더 유연한 수명 분포를 개발하는 것.
• 일파라미터 린들리 분포의 적분 변환을 사용하여 일반 린들리 가족을 확장하고, 세 개의 형태 파라미터를 포함하는 것.
• 모멘트, 엔트로피 및 극값 통계량의 점근적 분포와 같은 주요 분포적 성질을 유도하는 것.
• 통계적 추론를 지원하기 위해 최대우도 추정과 신뢰구간을 제공하는 것.
• 의료 및 공학 분야의 실제 세계 데이터에서 모델 성능을 평가하고, 특히 신뢰성 및 스트레스-스트렝스 분석에서의 적용을 다루는 것.

제안 방법

• 기본 분포의 생존함수 $ \bar{F}(x) = e^{1 - (1 + \lambda x)^\alpha} $를 사용하여 적분 변환을 통한 새로운 분포 가족 제안: $ G_X(x) = ∫_0^{-\log(\bar{F}(x))} r(t) dt $, 여기서 $ r(t) $는 린들리 밀도이다.
• 기본 밀도함수를 유도: $ g(x) = \frac{\theta^2}{1+\theta} (1 - \log \bar{F}(x)) \bar{F}(x)^{\theta-1} f(x) $.
• 파rameter $ \lambda, \theta, \alpha $를 가진 EGL 분포 정의하고, $ Y = (1 + \lambda X)^\alpha - 1 \sim \text{Lindley}(\theta) $임을 증명한다.
• 추론 목적을 위해 모멘트, 엔트로피 및 표본 최소/최대값의 점근적 분포를 유도한다.
• 최대우도 추정(MLE)을 적용하여 파라미터를 추정하고 점근적 신뢰구간을 구성한다.
• 스트레스-스트렝스 신뢰성 분석을 수행하고 표준 린들리 분포와 결과를 비교한다.

실험 결과

연구 질문

• RQ1 3파라미터 확장된 일반 린들리 분포는 파라미터의 민감성에 의해 증가, 감소 및 역전된 고장률 패턴을 모두 포괄할 수 있는가?
• RQ2 제안된 EGL 분포에서 모멘트, 엔트로피 및 극값 통계량의 점근적 분포는 어떻게 행동하는가?
• RQ3 정보 기준 및 적합도 검정을 기준으로 EGL 모델은 경쟁 모델(Lindley, Power Lindley, NGLD 등)보다 실제 수명 데이터 세트에 더 나은 피팅을 제공하는가?
• RQ4 표준 린들리 분포와 비교했을 때 EGL 분포는 스트레스-스트렝스 신뢰성 모델링에서 어떤 성능을 보이는가?
• RQ5 EGL 모델은 방광암 회복 시간 및 대기 대기 시간과 같은 의료 및 공학 분야의 실제 데이터에 효과적으로 적용될 수 있는가?

주요 결과

• EGL 분포는 파라미터 값에 따라 증가, 감소 및 역전된 위험 함수를 성공적으로 모델링하여 매우 높은 유연성을 보였다.
• 방광암 데이터(n=128)의 경우 EGL 모델은 가장 낮은 AIC(796.51), BIC(796.19), K-S 통계량(0.0387)을 기록하여 모든 경쟁 모델을 압도적으로 뛰어넘었다.
• 대기 대기 시간 데이터(n=100)의 경우 EGL 모델은 가장 낮은 K-S 통계량(0.0384)과 경쟁 가능한 AIC(642.13) 및 BIC(642.13)을 기록하여 뛰어난 피팅 성능을 보였다.
• 최대우도 추정은 안정적인 파라미터 추정과 점근적 신뢰구간을 제공하여 신뢰할 수 있는 추론을 가능하게 하였다.
• 스트레스-스트렝스 분석 결과 EGL 모델은 표준 린들리 분포보다 개선된 신뢰성 추정치를 제공하였다.
• 정보 기준 및 적합도 검정을 기반으로 EGL 분포는 방광암 및 대기 시간 데이터 응용에서 린들리, 파워 린들리 및 뉴 일반 린들리 분포를 일관되게 뛰어넘었다.