[논문 리뷰] Multicomponent stress strength reliability estimation for Pareto distribution based on upper record values

Qazi J. Azhad, Mohd. Arshad외 1명|arXiv (Cornell University)|2019. 09. 29.

Statistical Distribution Estimation and Applications참고 문헌 47인용 수 6

한 줄 요약

이 논문은 상위 기록값을 사용하여 스트레스-강도 신뢰도를 다중성분으로 추정하는 방법을 제안한다. 파레토 분포를 따르는 강도와 스트레스에 대해 최대우도, 베이즈, 부트스트랩 방법을 적용한다. 척도 매개변수의 알려진 및 미지 상태에서 추정기와 신뢰구간을 유도하며, 시뮬레이션과 실제 데이터 분석을 통해 MCMC 및 린들레이 근사법을 사용한 베이즈 추정기가 뛰어난 성능을 보임을 확인한다.

ABSTRACT

In this article, inferences about the multicomponent stress strength reliability are drawn under the assumption that strength and stress follow independent Pareto distribution with different shapes $(α_1,α_2)$ and common scale parameter $θ$. The maximum likelihood estimator, Bayes estimator under squared error and Linear exponential loss function, of multicomponent stress-strength reliability are constructed with corresponding highest posterior density interval for unknown $θ.$ For known $θ,$ uniformly minimum variance unbiased estimator and asymptotic distribution of multicomponent stress-strength reliability with asymptotic confidence interval is discussed. Also, various Bootstrap confidence intervals are constructed. A simulation study is conducted to numerically compare the performances of various estimators of multicomponent stress-strength reliability. Finally, a real life example is presented to show the applications of derived results in real life scenarios.

연구 동기 및 목표

• 강도와 스트레스가 서로 다른 형상 매개변수와 공통된 척도 매개변수를 가진 독립적인 파레토 분포를 따를 때, 다중성분 스트레스-강도 신뢰도에 대한 통계적 추론 방법을 개발한다.
• 척도 매개변수의 알려진 및 미지 상태에서 최대우도, 손실 제곱오차 및 LINEX 손실 함수 하에서의 베이즈 추정기, 그리고 일관된 최소분산 무편향 추정기(UMVUE)를 유도한다.
• 점근적 분포, 최고 후행밀도(HPD), 부트스트랩 방법을 사용하여 신뢰구간을 구축한다.
• 다양한 표본 크기와 매개변수 설정에서 추정기의 성능을 평가하고 비교하기 위해 광범위한 시뮬레이션 연구를 수행한다.
• 전기 절연유의 고장 시간 데이터를 실제 응용 사례로 활용하여 제안된 방법의 실용적 적용 가능성을 설명한다.

제안 방법

• 강도와 스트레스 표본에서의 상위 기록값을 사용하여 다중성분 스트레스-강도 신뢰도 $ R_{s;k} $ 를 추정한다. 여기서 $ R_{s;k} $ 는 $ k $ 개의 구성 요소 중 적어도 $ s $ 개가 공통된 스트레스를 초과할 확률로 정의된다.
• 척도 매개변수 $ \theta $ 가 알려진 경우, $ R_{s;k} $ 에 대한 최대우도 추정기(MLE)와 일관된 최소분산 무편향 추정기(UMVUE)를 유도하며, 점근적 분포와 신뢰구간을 제공한다.
• 독립적인 감마 사전분포를 사용하여 제곱오차 손실 함수 및 LINEX 손실 함수 하에서 베이즈 추정을 적용하며, 후행분포 계산에는 린들레이 근사법과 MCMC 방법을 사용한다.
• 베이즈 추정기의 95% 최고 후행밀도(HPD) 구간을 구성하고, 부트스트랩 방법을 사용하여 다수의 신뢰구간(백분위수, 스터디티드, 편향 보정)을 생성하여 강력한 추론을 수행한다.
• 다양한 표본 크기와 매개변수 설정에서 평균제곱오차(MSE), 편향, 신뢰구간 커버리지 확률을 비교하기 위해 시뮬레이션 연구를 수행한다.
• 실제 전기 절연유 고장 시간 데이터 세트를 사용하여 모델을 검증하며, 콜모고로프-스미르노프 검정을 통해 파레토 분포에 적합성을 평가하고 상위 기록값 기반으로 추정기를 계산한다.

실험 결과

연구 질문

• RQ1 상위 기록값 하에서 파레토 분포를 따르는 강도와 스트레스에 대해 MLE, 베이즈, UMVUE 등의 다양한 추정기들이 다중성분 스트레스-강도 신뢰도 추정에 어떻게 성능을 발휘하는가?
• RQ2 편향과 MSE 측면에서 제곱오차 손실 함수와 LINEX 손실 함수 하에서의 베이즈 추정기는 MLE 및 UMVUE에 비해 상대적으로 어떻게 성능이 뛰어나며, 어떤가?
• RQ3 부트스트랩 신뢰구간과 HPD 구간은 다양한 표본 크기와 매개변수 설정에서 진짜 신뢰도 값을 얼마나 효과적으로 포괄하는가?
• RQ4 척도 매개변수 $ \theta $ 가 알려져 있는지 여부가 추정의 정확성과 정밀도에 어떤 영향을 미치는가?
• RQ5 제안된 방법들은 전기 절연유의 고장 시간과 같은 실제 신뢰도 데이터에 효과적으로 적용될 수 있는가?

주요 결과

• MCMC를 사용한 LINEX 손실 함수 하에서의 베이즈 추정기는 특히 작은 표본 크기와 높은 형상 매개변수 조건에서 가장 낮은 편향과 MSE 를 보였다.
• 척도 매개변수 $ \theta $ 가 알려진 경우, $ R_{s;k} $ 의 UMVUE 는 특히 $ \alpha_1 $ 과 $ \alpha_2 $ 가 클수록 MSE 측면에서 MLE 보다 일관되게 더 우수한 성능을 보였다.
• 백분위수 및 편향 보정 부트스트랩 구간은 점근적 구간보다 커버리지 확률이 더 높았으며, 특히 작은 표본에서 두드러졌다.
• HPD 구간은 베이즈 추정기의 경우 더 좁고 정확한 커버리지 범위를 제공하였으며, 실제 데이터 사례에서 95% 신뢰구간은 (0.68, 0.99) 로 나타났다.
• 실제 데이터 응용에서 $ R_{2;4} $ 의 MLE 추정치는 0.9105였고, 손실 제곱오차(SLE) 기반 MCMC 베이즈 추정기는 0.8813이었으며, 이는 불확실성 하에서도 강건성을 보여주었다.
• 시뮬레이션 결과에 따르면 표본 크기가 증가함에 따라(예: 10에서 20으로) 모든 추정기의 MSE 가 감소하였으며, 특히 베이즈 추정기가 진짜 값에 더 빨리 수렴하는 것으로 나타났다.