[論文レビュー] A new 3-parameter extension of generalized lindley distribution

Deepesh Bhati, M.A. Malik+1 more|arXiv (Cornell University)|Jan 6, 2016

Statistical Distribution Estimation and Applications参考文献 5被引用数 5

ひとこと要約

本稿では、リンドレー分布の積分変換により導かれた3パラメータの拡張一般リンドレー（EGL）分布を提案する。この分布により、増加、減少、逆さU字型の故障率行動を柔軟にモデル化できる。EGL分布は、実際の膀胱がんデータおよびキュー待ち時間データへの適合において、AIC、BIC、コルモゴロフ＝スミルノフ統計量の観点で既存のモデルを上回る性能を示した。

ABSTRACT

Here, we introduce a new class of Lindley generated distributions which results in more flexible model with increasing failure rate (IFR), decreasing failure rate(DFR) and up-side down hazard functions for different choices of parametric values. We explore, various distributional properties including limiting distribution of extreme order statistics explored. Maximum likelihood estimators and the confidence intervals of the parameters are obtained. The applicability of the proposed distribution is shown through modelling two sets of real data on bladder cancer patients and waiting time in a queue. Further, we carry out stress-strength analysis for applying the model in system reliability studies.

研究の動機と目的

• 既存のリンドレーに基づくモデルよりも、多様な故障率行動（IFR、DFR、逆さU字型）をモデル化可能なより柔軟な寿命分布の開発を目的とする。
• 1パラメータのリンドレー分布の積分変換を用いて一般化リンドレー族を拡張し、3つの形状パラメータを組み込む。
• モーメント、エントロピー、極値統計量の漸近的分布といった、分布の主要な性質を導出する。
• 統計的推論を支援するため、パラメータの最尤推定および信頼区間の構築を提供する。
• 医療および工学分野の実世界データ、特に信頼性およびストレス・ストレングス分析の文脈において、モデルの性能を評価する。

提案手法

• 積分変換を用いた新しい分布族の提案：$ G_X(x) = ∫_0^{-\log(\bar{F}(x))} r(t) dt $、ここで $ r(t) $ はリンドレー密度関数である。
• ベースラインの生存関数 $ \bar{F}(x) = e^{1 - (1 + \lambda x)^\alpha} $ を用い、確率密度関数（PDF）を $ g(x) = \frac{\theta^2}{1+\theta} (1 - \log \bar{F}(x)) \bar{F}(x)^{\theta-1} f(x) $ として導出する。
• パラメータ $ \lambda, \theta, \alpha $ を有するEGL分布を定義し、$ Y = (1 + \lambda X)^\alpha - 1 \sim \text{Lindley}(\theta) $ であることを証明する。
• 推論用途のため、標本最小値および最大値のモーメント、エントロピー、漸近的分布を導出する。
• パラメータの推定に最尤推定（MLE）を適用し、漸近的信頼区間を構築する。
• ストレス・ストレングス信頼性分析を実施し、標準リンドレー分布と結果を比較する。

実験結果

リサーチクエスチョン

• RQ1 3パラメータの一般化リンドレー分布の拡張は、柔軟なパラメータ化により、多様な故障率パターン（IFR、DFR、逆さU字型）を捉えることができるか？
• RQ2 提案されたEGL分布におけるモーメント、エントロピー、極値統計量の漸近的分布は、どのように振る舞うか？
• RQ3 EGLモデルは、競合モデル（例：リンドレー、パワー・リンドレー、NGLD）と比較して、実際の寿命データセットに対してより良い適合を示すか？
• RQ4 EGL分布は、標準リンドレー分布と比較して、ストレス・ストレングス信頼性モデリングにおいて優れた性能を示すか？
• RQ5 EGLモデルは、膀胱がんの寛解期間やキュー待ち時間といった医療および工学分野の実世界データに、効果的に応用可能か？

主な発見

• EGL分布は、パラメータ値に応じて、増加、減少、逆さU字型のハザード関数を効果的にモデル化でき、高い柔軟性を示した。
• 膀胱がんデータ（n=128）では、EGLモデルが最低のAIC（796.51）、BIC（796.19）、K-S統計量（0.0387）を達成し、すべての競合モデルを上回った。
• キュー待ち時間データ（n=100）では、EGLモデルが最小のK-S統計量（0.0384）と、競争力のあるAIC（642.13）およびBIC（642.13）を示し、優れた適合を示した。
• 最尤推定により、安定したパラメータ推定値と漸近的信頼区間が得られ、信頼性の高い推論が可能となった。
• ストレス・ストレングス分析の結果、EGLモデルは標準リンドレー分布と比較して、より優れた信頼性推定値を提供した。
• 情報量基準および適合度検定の観点から、EGL分布はリンドレー、パワー・リンドレー、およびニューゲネラライズド・リンドレー分布を常に上回った。