[论文解读] A New Class of Generalized Burr III Distribution for Lifetime Data

Kehinde Olobatuyi|arXiv (Cornell University)|Jan 2, 2017

Statistical Distribution Estimation and Applications参考文献 18被引用 4

一句话总结

本文提出广义伽马 Burr III (GGBIII) 分布作为灵活的寿命模型，扩展了 Burr III 和 Zografos-Balakrishnan 家族，能够捕捉如单峰和修正单峰等复杂风险形状。该模型采用 Burr III 分布的线性组合，具备良好的数学性质，并通过最大似然估计在真实生存数据和右删失数据上表现出优于现有伽马- G 家族的拟合效果。

ABSTRACT

For the first time, the Generalized Gamma Burr III (GGBIII) is introduced as an important model for problems in several areas such as actuarial sciences, meteorology, economics, finance, environmental studies, reliability, and censored data in survival analysis. A review of some existing gamma families have been presented. It was found that the distributions cannot exhibit complicated shapes such as unimodal and modified unimodal shapes which are very common in medical field. The Generalized Gamma Burr III (GGBIII) distribution which includes the family of Zografos and Balakrishnan as special cases is proposed and studied. It is expressed as the linear combination of Burr III distribution and it has a tractable properties. Some mathematical properties of the new distribution including hazard, survival, reverse hazard rate function, moments, moments generating function, mean and median deviations, distribution of the order statistics are presented. Maximum likelihood estimation technique is used to estimate the model parameters and applications to real datasets in order to illustrate the usefulness of the model are presented. Examples and applications as well as comparisons of the GGBIII to the existing Gamma-G families are given.

研究动机与目标

• 为解决现有伽马- G 家族在建模医学和生存数据中常见的复杂风险形状方面的局限性。
• 提出一种新型灵活分布——广义伽马 Burr III (GGBIII) 分布，可捕捉单峰和修正单峰的失效速率。
• 提供具有闭式表达式的可处理统计模型，涵盖风险函数、生存函数和顺序统计量等关键函数。
• 通过真实数据应用和与现有伽马- G 家族的比较，证明该模型的优越性。
• 通过引入广义伽马混合，扩展 Zografos-Balakrishnan 家族。

提出的方法

• GGBIII 分布通过 Burr III 分布的线性组合构建，实现更高的形状灵活性。
• 利用广义伽马生成器推导该分布，从而实现对偏度和峰度的控制。
• 推导出矩、矩母函数以及均值/中位数偏差等数学性质的闭式表达。
• 明确给出风险函数、生存函数和逆风险率函数的表达式，以支持推断和建模。
• 采用最大似然估计 (MLE) 通过迭代数值方法估计模型参数。
• 将该模型应用于可靠性与生存分析中的真实数据集，以评估拟合效果和性能。

实验结果

研究问题

• RQ1 新的广义 Burr III 分布能否有效建模寿命数据中常见的复杂风险形状，如单峰和修正单峰模式？
• RQ2 在建模真实生存数据和右删失数据时，GGBIII 分布与现有伽马- G 家族相比，拟合效果如何？
• RQ3 GGBIII 分布的分析性质是什么，包括矩、风险函数和顺序统计量？
• RQ4 GGBIII 分布能否以可处理的形式表达，从而支持高效的统计推断与计算？
• RQ5 GGBIII 分布是否包含 Zografos-Balakrishnan 家族作为特例，从而统一现有模型？

主要发现

• GGBIII 分布成功捕捉了单峰和修正单峰风险形状，这些形状在医学和可靠性数据中常见，但常被现有伽马- G 家族所忽略。
• 该分布将 Zografos-Balakrishnan 家族作为特例包含在内，建立了更广泛的理论基础。
• 推导出矩、矩母函数和顺序统计量的解析表达式，支持稳健的统计推断。
• 最大似然估计提供了稳定且高效的参数估计，经真实数据应用验证。
• 在多个真实数据集中，GGBIII 模型在拟合优度方面优于现有伽马- G 家族，尤其在右删失生存数据建模中表现更优。
• 该模型的灵活性与可处理性使其成为精算学、环境研究和可靠性工程中的有力候选模型。