[논문 리뷰] Bivariate Discrete Inverse Weibull Distribution

Mohamed S. Eliwa, Mahmoud El-Morshedy|arXiv (Cornell University)|2018. 08. 22.

Statistical Distribution Estimation and Applications참고 문헌 28인용 수 3

한 줄 요약

이 논문은 이元 이산 역ワイ블 분포(Discrete Inverse Weibull)를 가지는 이元 이산 역ワイブル(BDsIW) 분포를 제안하여, 이원 이산 수명 데이터의 탄력적 모델링을 가능하게 한다. 최대우도추정법을 사용하여 두 개의 실제 데이터셋—축구 부상 데이터와 비강 분비물 농도 평가 점수—에 대해 경쟁 모델들보다 AIC, BIC 및 우도비 검정에서 뛰어난 적합도를 보였다.

ABSTRACT

In this paper, we propose a new class of bivariate distributions, called the bivariate discrete inverse Weibull (BDsIW) distribution, whose marginals are discrete inverse Weibull (DsIW) distributions. Some statistical and mathematical properties are presented. The maximum likelihood method is used for estimating the model parameters. Simulations are presented to verify the performance of the direct maximum likelihood estimation. Finally, two real data sets are analyzed for illustrative purposes.

연구 동기 및 목표

• 신뢰성 및 생존 분석에서 쌍으로 이루어진 이산 수명 데이터를 모델링할 수 있는 탄력적인 이원 이산 분포를 개발하는 것.
• 이산 역ワイブル(DsIW) 분포를 이원 프레임워크로 확장하면서도 그 주변 분포 성질을 유지하는 것.
• 시뮬레이션 연구를 통해 최대우도추정(MLE)의 정확성과 일관성을 평가하는 것.
• 실제 세계 데이터셋을 사용하여 BDsIW 모델을 기존의 이원 이산 분포들과 비교하는 것.
• 실제 데이터에서 적합도 기준과 우도비 검정을 통해 모델의 우수성을 검증하는 것.

제안 방법

• 이원 이산 역ワイブル(BDsIW) 분포를 제안하며, 생존 코프라 구조에서 유도된 공동 누적분포함수(CDF)와 확률질량함수(PMF)를 사용한다.
• 이원 모델의 생존함수를 이용해 공동 PMF를 정의하여, 주변 분포가 이산 역ワイブル(DsIW) 분포가 되도록 보장한다.
• θ₁, θ₂, θ₃, ζ의 매개변수를 최대우도추정(MLE)을 통해 추정하며, 반복적 수치 최적화를 적용한다.
• 다양한 표본 크기와 매개변수 설정에서 MLE 추정치의 정확성과 일관성을 평가하기 위해 시뮬레이션 연구를 수행한다.
• 정보기준(예: AIC, BIC, CAIC, HQIC)과 우도비검정(LRT)을 사용하여 경쟁 모델 간의 적합도를 비교한다.
• 이중 실제 데이터셋—축구 부상 데이터와 비강 분비물 농도 평가 점수—에 대해 주변 및 공동 분포 적합도를 기반으로 모델을 검증한다.

실험 결과

연구 질문

• RQ1 주변 분포가 이산 역ワイブル(DsIW) 분포가 되는 이원 이산 분포를 구성할 수 있는가?
• RQ2 제안된 BDsIW 모델은 기존 모델들과 비교해 실제 이원 이산 수명 데이터에 얼마나 잘 적합하는가?
• RQ3 최대우도추정법이 BDsIW 모델의 신뢰할 수 있고 일관된 매개변수 추정치를 제공하는가?
• RQ4 BDsIW의 특수한 경우들(BDsIE 및 BDsIR)이 우도비 검정 결과로 나타나는 바와 같이 데이터에 대해 통계적으로 부적합한가?
• RQ5 다양한 데이터셋에서 정보기준과 적합도 기준에 따른 BDsIW의 상대적 성능은 어떠한가?

주요 결과

• 축구 부상 데이터에 대해 BDsIW 분포는 모든 경쟁 모델 중에서 가장 우수한 적합도를 보였으며, -L(61.96), AIC(131.82), CAIC(133.82), BIC(136.95), HQIC(133.37) 값이 가장 낮았다.
• 우도비검정에서 H₀₁: ζ=1(BDsIE) 및 H₀₂: ζ=2(BDsIR)의 귀무가설은 각각 p-값 < 0.01 및 0.0384로 강하게 기각되었으며, 이는 BDsIW 모델이 유의미하게 더 낫다는 것을 시사한다.
• 비강 분비물 농도 평가 점수 데이터에 대해서도 BDsIW는 경쟁 모델들을 압도적으로 능가했으며, -L(56.72), AIC(121.44) 및 기타 정보기준 값이 가장 낮았다.
• 이 데이터셋에 대한 우도비검정 역시 BDsIE 및 BDsIR 모델을 기각했으며(p-값 < 0.01 및 0.0381), BDsIW 모델이 선호된다는 것을 확인했다.
• 시뮬레이션 결과는 MLE가 다양한 표본 크기와 매개변수 설정에서 BDsIW 모델의 일관되고 정확한 매개변수 추정치를 제공함을 확인했다.
• 공동 PMF 그림은 실제 데이터 응용에서 BDsIW가 BDsIE 및 BDsIR보다 우수한 적합도를 보임을 시각적으로 뒷받침한다.