[논문 리뷰] The Odd Generalized Exponential Gompertz

M. A. El-Damcese, Abdelfattah Mustafa외 2명|arXiv (Cornell University)|2015. 07. 23.

Statistical Distribution Estimation and Applications참고 문헌 14인용 수 7

한 줄 요약

이 논문은 OGE-G 가속도 분포를 제안하며, OGE 가족 프레임워크를 통해 고르지 않은 가속도와 일반화된 지수 가족을 결합한 네 파라미터 수명 모델이다. 실세계 데이터—특히 부탄형 고장률 데이터—에 대해 더 나은 적합도를 보이며, AIC, BIC, AICC 및 콜모고로프-스미르노프 통계량 기반으로 지수분포, 일반화된 지수분포, 고르지 않은 가속도분포, 일반화된 고르지 않은 가속도분포 및 베타-고르지 않은 가속도분포보다 뛰어난 성능을 보였다.

ABSTRACT

In this paper we propose a new lifetime model, called the odd generalized exponential gompertz distribution, We obtain some of its mathematical properties. Some structural properties of the new distribution are studied. The method of maximum likelihood method is used for estimating the model parameters and the observed Fisher's information matrix is derived. We illustrate the usefulness of the proposed model by applications to real data.

연구 동기 및 목표

• 수명률 형태의 다양한 형태—부탄형 및 뒤집힌 부탄형을 포함—를 모델링할 수 있는 유연한 수명 분포를 개발하는 것.
• OGE 가족 프레임워크를 사용하여 고르지 않은 가속도 및 일반화된 지수 분포를 확장하여 더 높은 모델링의灵活性를 제공하는 것.
• 기존 분포보다 실수명 데이터에 복잡한 고장률 패턴을 보일 때 더 나은 적합도를 보이는 새로운 통계 모델을 제공하는 것.
• 새로운 분포의 주요 통계적 성질—모멘트, 분위수, 순서통계량—을 유도하고 분석하는 것.
• 실제 데이터 세트를 사용하여 최대우도추정법과 적합도 기준을 통해 OGE-G 모델의 성능을 평가하는 것.

제안 방법

• OGE 가족 변환을 고르지 않은 가속도 분포에 적용하여 OGE-G 분포를 구성한다. 이는 누적분포함수(CDF)와 생존함수의 비율을 사용한다.
• 누적분포함수(CDF)는 $ F(x;\Theta) = \left[1 - \exp\left(-\alpha \left( e^{\frac{\lambda}{c}(e^{cx}-1)} - 1 \right) \right) \right]^\beta $로 정의되며, 파라미터 $ \alpha, \lambda, c, \beta > 0 $이다.
• 확률밀도함수(PDF)와 고장률함수는 CDF에서 해석적으로 유도되어 전체 통계 모델링이 가능해진다.
• 모수는 최대우도추정법(MLE)을 사용하여 추정되며, 추론을 위해 관측된 피셔 정보 행렬이 유도된다.
• 순서통계량과 모멘트(평균, 분산, 왜도 포함)는 이론적 분석을 위해 닫힌 형태로 유도된다.
• 적합도 평가에는 AIC, BIC, AICC, 콜모고로프-스미르노프(K-S) 검정 및 p-값을 사용하며, OGE-G를 다섯 가지 경쟁 분포와 비교한다.

실험 결과

연구 질문

• RQ1 OGE-G 분포는 실수명 데이터에서 관찰되는 부탄형 고장률 행동을 효과적으로 모델링할 수 있는가?
• RQ2 OGE-G 분포는 지수분포, 일반화된 지수분포, 고르지 않은 가속도분포, 일반화된 고르지 않은 가속도분포 및 베타-고르지 않은 가속도분포와 비교해 어떤가?
• RQ3 제안된 OGE-G 분포의 통계적 성질—모멘트, 분위수, 순서통계량—은 무엇인가?
• RQ4 OGE-G 모델에 대한 최대우도추정 절차는 안정적이고 유일한 모수 추정치를 도출하는가?
• RQ5 실제 데이터 세트에서 OGE-G 분포는 경쟁 모델보다 더 나은 AIC, BIC 및 K-S 통계량을 제공하는가?

주요 결과

• Aarset 데이터 세트에서 OGE-G 분포는 모든 경쟁 모델 중에서 가장 낮은 AIC(423.9470), AICC(424.8359), BIC(447.5951), K-S 통계량(0.13205)을 기록했다.
• OGE-G 모델의 K-S 검정에 대한 p-값은 0.3476이었으며, 이는 유의미한 적합도 부족이 없음을 나타내었고, 모든 모델 중에서 가장 높아 가장 좋은 적합도를 의미한다.
• MLE의 추정 분산-공분산 행렬은 모수의 안정성을 확인하였으며, 관측된 피셔 정보 행렬의 역행렬로부터 표준오차가 유도되었다.
• 모수에 대한 95% 신뢰구간은 $[0, 0.116]$ for $\alpha$, $[0, 0.001]$ for $\lambda$, $[0.060, 0.096]$ for $c$, $[0.116, 0.270]$ for $\beta$였으며, 이는 정밀한 추정을 의미한다.
• 프로파일 로그우도 플롯은 모든 모수에 대해 MLE 해의 유일성을 확인했다.
• 카프만-마이어 생존함수 및 고장률 플롯은 OGE-G 모델이 경험적 데이터와 특히 부탄형 고장률을 잘 반영하고 있음을 보여주었다.