[논문 리뷰] Generalized inverse xgamma distribution: A non-monotone hazard rate model

Harsh Tripathi, Abhimanyu Singh Yadav외 2명|arXiv (Cornell University)|2018. 11. 03.

Statistical Distribution Estimation and Applications참고 문헌 10인용 수 4

한 줄 요약

이 논문은 비단조화된 위험률을 보이는 유연한 이중파rameter 생애지속 모델인 일반화된 역x감마 분포(GIXGD)를 제안한다. 이 모델은 역x감마 분포에 대한 거듭제곱 변환을 통해 유도된다. 모델은 졸개 생존 데이터에 적용되었으며, AIC, BIC 및 쿨모고로프-스미르노프 통계량을 사용하여 경쟁 분포들보다 뛰어난 적합도를 보였다. 최대우도추정법을 사용하여 모수 및 신뢰도 함수의 추론을 수행하였다.

ABSTRACT

In this article, a generalized inverse xgamma distribution (GIXGD) has been introduced as the generalized version of the inverse xgamma distribution. The proposed model exhibits the pattern of non-monotone hazard rate and belongs to family of positively skewed models. The explicit expressions of some distributional properties, such as, moments, inverse moments, conditional moments, mean deviation, quantile function have been derived. The maximum likelihood estimation procedure has been used to estimate the unknown model parameters as well as survival characteristics of GIXGD. The practical applicability of the proposed model has been illustrated through a survival data of guinea pigs.

연구 동기 및 목표

• 거듭제곱 변환을 통해 역x감마 분포를 일반화하여 더 유연한 수명 분포를 개발하기 위해.
• 신뢰성 및 임상 연구에서 흔히 관찰되는 비단조화된 위험률을 모형화하기 위해.
• 모멘트, 분위수 함수 및 신뢰도 특성과 같은 주요 통계적 성질에 대한 명시적 표현을 유도하기 위해.
• 기존의 생애지속 분포들과의 비교를 통해 실제 데이터에 대한 적합도 평가를 통해 모델 성능을 평가하기 위해.
• 생존 분석에서 단일 및 이중파rameter 역가족 분포에 대한 강력한 대안을 제공하기 위해.

제안 방법

• X ~ IXGD(θ)일 때, Y = X^{1/α}의 거듭제곱 변환을 통해 일반화된 역x감마 분포(GIXGD)를 제안하며, 형태 파라미터 α를 도입한다.
• GIXGD의 확률밀도함수(PDF) 및 누적분포함수(CDF)를 유도하며, α = 1일 때 IXGD로 축소됨을 보여준다.
• 생존함수 S(y;α,θ) = 1 - F(y;α,θ)와 위험률함수 H(y;α,θ) = f(y;α,θ)/S(y;α,θ)를 정의한다.
• 모멘트, 역모멘트, 조건부 모멘트, 평균편차 및 분위수함수에 대한 분석적 표현을 유도한다.
• 모수 α 및 θ의 추정을 위해 최대우도추정법(MLE)을 사용하고, 추정된 생존 및 위험률 함수의 추정에 대해 불변성 성질을 적용한다.
• 졸개 생존 데이터 세트에 대해 쿨모고로프-스미르노프(K-S) 검정과 정보기준통계량(AIC, BIC, CAIC, HQIC)을 사용하여 모델 성능을 검증한다.

실험 결과

연구 질문

• RQ1 기존의 역가족 분포보다 더 뛰어난 유연성으로 비단조화된 위험률을 모형화할 수 있는 일반화된 역x감마 분포(GIXGD)를 구성할 수 있는가?
• RQ2 기본 역x감마 분포와 비교할 때, GIXGD의 통계적 성질—예를 들어 모멘트, 분위수함수, 그리고 신뢰도 측정치—는 어떻게 다른가?
• RQ3 GIXGD는 역웨이불, 역린드리, 일반화된 지수 분포와 같은 경쟁 분포들보다 실제 생존 데이터에 더 나은 적합도를 보이는가?
• RQ4 다양한 케이스의 이완 및 표본 조건 하에서, GIXGD의 모수 및 신뢰도 함수 추정에 대해 최대우도추정법의 성능 특성은 어떠한가?
• RQ5 비단조화된 위험 패턴이 관찰되는 신뢰성 및 생존 분석에서 GIXGD는 실용적인 대안 모델이 될 수 있는가?

주요 결과

• GIXGD는 초기 증가 후 감소하는 비단조화된 위험률를 나타내며, 이는 신뢰성 및 임상 연구에서 복잡한 고장 패턴을 모형화하는 데 적합하다.
• 7개의 경쟁 분포 중에서 가장 낮은 AIC(787.98), BIC(792.54), CAIC(793.54), HQIC(789.79), K-S 통계량(0.1432)을 기록하여 졸개 생존 데이터에 대해 뛰어난 적합도를 보였다.
• 72개의 관측치로 구성된 데이터 세트 기반으로 형태 및 척도 파라미터의 최대우도추정치는 각각 $ \hat{\alpha} = 1.624 $ 및 $ \hat{\theta} = 641.75 $였다.
• y = 54, 70, 99, 112일에 대한 추정 생존확률은 각각 0.626, 0.475, 0.308, 0.260이었으며, 이에 해당하는 위험률은 0.0177, 0.0165, 0.0136, 0.0124였다.
• 일반화된 지수 분포(GED), 역웨이불 분포(IWD), 감마 분포(GD)보다 GIXGD가 더 나은 성능을 보였으며, 특히 GD는 매우 높은 K-S 통계량(0.998)을 보여가며 적합도가 매우 열 劣하였다.
• 본 연구는 GIXGD가 기저의 IXGD가 유연성 부족으로 인해 충분히 적합하지 못할 경우, 생존 분석에서 정규화된 비대칭, 비단조화된 위험률 데이터를 모형화하는 데 강력한 후보임을 확인하였다.