[논문 리뷰] The Odd Generalized Exponential Linear Failure Rate Distribution

M. A. El-Damcese, Abdelfattah Mustafa외 2명|arXiv (Cornell University)|2015. 10. 21.

Statistical Distribution Estimation and Applications참고 문헌 14인용 수 4

한 줄 요약

이 논문은 선형 고장률 분포를 확장하기 위해 올드 일반화된 지수 가족을 사용한 네 파라미터 수명 모델인 오드 일반화된 지수-선형 고장률(OGE-LFR) 분포를 제안한다. 이 모델은 증가하는, 감소하는, 버블 모양의, 단일 최대값을 가지는 다양한 위험도 형태를 나타내며, 기존의 지수분포, 일반화된 지수분포, LFR, NGLE, TLE와 비교해 실제 수명 데이터에 대해 더 우수한 적합도를 보이며, AIC, BIC 및 코모고로프-스미르노프 검정을 통해 확인된다.

ABSTRACT

In this paper we propose a new lifetime model, called the odd generalized exponential linear failure rate distribution. Some statistical properties of the proposed distribution such as the moments, the quantiles, the median, and the mode are investigated. The method of maximum likelihood is used for estimating the model parameters. An applications to real data is carried out to illustrate that the new distribution is more flexible and effective than other popular distributions in modeling lifetime data.

연구 동기 및 목표

• 다양한 고장률 형태를 모델링할 수 있는 유연한 네 파라미터 수명 분포를 개발하는 것.
• 선형 고장률 분포를 올드 일반화된 지수 가족 프레임워크를 사용해 확장하는 것.
• 신뢰성 데이터에서 흔히 나타나는 버블 모양과 단일 최대값을 가지는 위험도 함수를 효과적으로 포착할 수 있는 통계 모델을 제공하는 것.
• 실제 데이터를 사용해 새로운 모델의 성능을 기존에 알려진 분포들과 비교하는 것.
• 주요 통계적 성질에 대한 닫힌 형태의 표현식을 제공하고 최대우도법을 통해 파라미터 추정을 수행하는 것.

제안 방법

• OGE-LFR 분포는 선형 고장률 분포의 누적분포함수에 올드 일반화된 지수 변환을 적용하여 구성된다.
• 해당 분포의 누적분포함수(CDF)는 $ F(x) = \left[1 - e^{-\alpha \frac{G(x)}{1 - G(x)}} \right]^\beta $ 로 정의되며, 여기서 $ G(x) $ 는 선형 고장률 분포의 누적분포함수이다.
• 확률밀도함수(PDF), 생존함수, 위험도함수, 반전 위험도함수는 모두 닫힌 형태로 유도된다.
• 분포의 함수형태를 이용해 모멘트, 분위수, 중앙값, 최빈값을 해석적으로 유도한다.
• 파라미터 $ \alpha, a, b, \beta $ 는 최대우도추정법(MLE)을 사용해 추정되며, 프로파일 likelihood 플롯을 통해 유일한 해가 존재하는 것으로 확인된다.
• 모델 비교는 AIC, BIC, AICC, HQIC, 코모고로프-스미르노프(K-S) 검정, 생존함수 및 위험도함수의 시각적 적합도를 통해 수행된다.

실험 결과

연구 질문

• RQ1 기존 수명 분포와 비교해 OGE-LFR 분포는 버블 모양과 단일 최대값 형태를 포함한 더 넓은 고장률 행동 범위를 모델링할 수 있는가?
• RQ2 OGE-LFR 분포는 기존의 지수분포, 일반화된 지수분포, LFR, NGLE, TLE와 비교해 실제 수명 데이터에 더 나은 통계적 적합도를 제공하는가?
• RQ3 모멘트와 분위수와 같은 OGE-LFR 분포의 통계적 성질은 해석적으로 다룰 수 있고 추론에 유용한가?
• RQ4 프로파일 likelihood 플롯에 따르면 OGE-LFR 모델의 최대우도추정 절차는 안정적이고 수렴하는가?
• RQ5 정보기준통계량(AIC, BIC, AICC, HQIC)과 K-S 검정 통계량은 OGE-LFR 모델이 경쟁 모델들보다 어떻게 순위가 매겨지는가?

주요 결과

• OGE-LFR 분포는 비교 모델들 중에서 가장 낮은 코모고로프-스미르노프(K-S) 검정 통계량 0.1627을 기록하여 실제 데이터 세트에 가장 우수한 적합도를 보였다.
• OGE-LFR 모델은 최대우도값(-232.865), AIC(473.730), AICC(474.618), BIC(481.378), HQIC(476.642) 가 모두 가장 낮아 모델 적합도가 뛰어나다는 것을 확인했다.
• 모든 파라미터($ \alpha, a, b, \beta $)에 대한 프로파일 로그우도 플롯은 단일 최대값을 가지며 안정된 형태를 보였으며, 이는 최대우도 추정치가 고유하고 안정적임을 시사한다.
• OGE-LFR 모델의 적합된 위험도함수는 그림 8에서 보듯이 경쟁 모델들보다 실제 데이터의 버블 모양 고장률 패턴을 더 정확하게 포착했다.
• OGE-LFR 모델의 적합된 확률밀도함수는 그림 9에서 보듯이 경험 히스토ограм과 매우 유사하게 나타나, 데이터의 왜도와 첨도를 모델링하는 데 있어 뛰어난 유연성을 확인했다.
• OGE-LFR 모델은 일반화된 지수분포, 선형 고장률 분포, 지수분포, 레일라이프 분포를 특수한 경우로 포함하고 있어 이론적·실용적 적용 가능성이 향상된다.