[논문 리뷰] Beta-Linear Failure Rate Distribution and its Applications

Ali Akbar Jafari, Eisa Mahmoudi|arXiv (Cornell University)|2012. 12. 21.

Statistical Distribution Estimation and Applications참고 문헌 27인용 수 11

한 줄 요약

이 논문은 선형 고장률(LFR) 및 관련 모델을 일반화하는 네 파라미터 유연한 수명 분포인 베타-선형 고장률(BLFR) 분포를 제안한다. 이 분포는 밀도, 위험도, 모멘트에 대한 닫힌 형태의 표현식을 통해 복잡한 고장률 행동—예를 들어 배럴형 및 단일 최대형 패턴—을 모델링할 수 있으며, 최대우도추정과 실제 데이터 검증을 통해 LFR, 지오메트릭확률분포(GE), 레일라이흐 분포와 같은 기존 모델보다 뛰어난 적합도를 보인다.

ABSTRACT

We introduce in this paper a new four-parameter generalized version of the linear failure rate (LFR) distribution which is called Beta-linear failure rate (BLFR) distribution. The new distribution is quite flexible and can be used effectively in modeling survival data and reliability problems. It can have a constant, decreasing, increasing, upside-down bathtub (unimodal) and bathtub-shaped failure rate function depending on its parameters. It includes some well-known lifetime distributions as special submodels. We provide a comprehensive account of the mathematical properties of the new distributions. In particular, A closed-form expressions for the density, cumulative distribution and hazard rate function of the BLFR is given. Also, the $r$th order moment of this distribution is derived. We discuss maximum likelihood estimation of the unknown parameters of the new model for complete sample and obtain an expression for Fishers information matrix. In the end, to show the flexibility of this distribution and illustrative purposes, an application using a real data set is presented.

연구 동기 및 목표

• 선형 고장률(LFR) 및 일반화된 LFR(GLFR) 분포를 확장하는 새로운 네 파라미터 수명 분포를 개발하는 것.
• 신뢰성 및 생존 연구에서 흔한 비단조도 고장률 행동—예를 들어 배럴형 및 단일 최대형 패턴—을 포착할 수 있는 민감한 모델을 제공하는 것.
• BLFR 분포의 확률밀도함수, 누적분포함수, 위험도함수에 대한 닫힌 형태의 표현식을 유도하는 것.
• 모수 추론를 위한 최대우도추정 절차와 피셔정보행렬을 수립하는 것.
• 기존 분포들과의 비교를 통한 실제 데이터 적용 및 통계적 검정을 통해 모델의 우수성을 입증하는 것.

제안 방법

• BLFR 분포는 베타 일반화 가족을 사용하여 구성되며, 기저 누적분포함수는 G(x) = 1 - exp(-ax - (b/2)x²)로 정의되는 LFR 분포를 사용한다.
• 결과적으로 얻어진 밀도함수는 f(x) = [ (a + bx) / B(α,β) ] × [1 - exp(-ax - (b/2)x²)]^{α-1} × exp(-aβx - (bβ/2)x²)이며, 파라미터 a, b, α, β > 0 이다.
• 위험도함수는 h(x) = [ (a + bx) / (B(α,β) - B_G(x)(α,β)) ] × [1 - G(x)]^{α-1} × exp(-aβx - (bβ/2)x²)로 유도된다.
• 급수 전개 기법을 사용하여 분포의 모멘트를 닫힌 형태로 유도한다.
• 수치 최적화를 사용하여 최대우도추정을 수행하며, 표준오차 근사화를 위해 관측된 피셔정보행렬을 계산한다.
• 실제 데이터 세트를 사용하여 AIC, AICC, BIC, 쿠모고로프-스미르노프, 앤더슨-더링, 크래머-빈 마이즈 통계량을 사용하여 모델 비교를 수행한다.

실험 결과

연구 질문

• RQ1 선형 고장률 분포의 네 파라미터 일반화가 배럴형 및 단일 최대형 패턴과 같은 비단조도 고장률 행동을 효과적으로 모델링할 수 있는가?
• RQ2 BLFR 분포는 LFR, GE, 레일라이흐, GLFR와 같은 기존 모델보다 실제 생존 또는 신뢰성 데이터에 더 나은 통계적 적합도를 제공하는가?
• RQ3 BLFR 모수의 최대우도추정치는 얼마나 정확한가? 표본 크기가 증가함에 따라 표준오차는 감소하는가?
• RQ4 우도비 검정을 통해 BLFR는 GLFR, LFR, GR, GE 등의 포함된 하위모형보다 통계적으로 뛰어나다고 할 수 있는가?
• RQ5 경험적 스케일링된 TTT 변환은 복잡한 고장 패턴을 가진 데이터에 대해 고장률 함수의 형태를 신뢰성 있게 나타낼 수 있는가?

주요 결과

• BLFR 분포는 파라미터 값에 따라 일정, 감소, 증가, 뒤집힌 배럴형, 배럴형 패턴을 포함하는 다양한 고장률 행동을 나타낸다.
• 실제 데이터 세트에 대해 BLFR 모델이 가장 뛰어난 적합도를 보였으며, 모든 경쟁 모델 중에서 가장 낮은 AIC(103.21), AICC(103.52), BIC(108.12) 값을 기록했다.
• 쿠모고로프-스미르노프 검정 통계량은 BLFR에서 가장 작았고(0.078), p-값도 가장 높았으며(0.72), 이는 뛰어난 적합도를 시사한다.
• 우도비 검정에서 BLFR에 대해 모든 포함된 하위모형(GLFR, LFR, GR, GE)이 기각되었으며, 각각 p-값은 0.019, 0.00047, 0.0158, 6e-05이었다.
• 시뮬레이션 결과, MLE 추정치는 10,000회의 반복 모두에서 수렴했고, 편향이 낮았으며, 표본 크기가 30에서 200으로 증가함에 따라 표준오차가 감소했다.
• 경험적 TTT 플롯은 배럴형 고장률을 확인했으며, 이는 복잡한 고장 패턴을 가진 데이터에 BLFR 모델의 적절성을 뒷받침한다.