[论文解读] Beta-Linear Failure Rate Distribution and its Applications

Ali Akbar Jafari, Eisa Mahmoudi|arXiv (Cornell University)|Dec 21, 2012

Statistical Distribution Estimation and Applications参考文献 27被引用 11

一句话总结

本文提出了一种贝塔线性失效率（BLFR）分布，这是一种四参数灵活的寿命分布，可推广线性失效率（LFR）及相关模型。该分布通过概率密度、风险率和矩的闭式表达式，能够对复杂失效率行为（如浴盆形和单峰模式）进行建模，最大似然估计和真实数据验证表明其拟合效果优于现有模型（如LFR、GE和瑞利分布）。

ABSTRACT

We introduce in this paper a new four-parameter generalized version of the linear failure rate (LFR) distribution which is called Beta-linear failure rate (BLFR) distribution. The new distribution is quite flexible and can be used effectively in modeling survival data and reliability problems. It can have a constant, decreasing, increasing, upside-down bathtub (unimodal) and bathtub-shaped failure rate function depending on its parameters. It includes some well-known lifetime distributions as special submodels. We provide a comprehensive account of the mathematical properties of the new distributions. In particular, A closed-form expressions for the density, cumulative distribution and hazard rate function of the BLFR is given. Also, the $r$th order moment of this distribution is derived. We discuss maximum likelihood estimation of the unknown parameters of the new model for complete sample and obtain an expression for Fishers information matrix. In the end, to show the flexibility of this distribution and illustrative purposes, an application using a real data set is presented.

研究动机与目标

• 开发一种新的四参数寿命分布，以扩展线性失效率（LFR）和广义LFR（GLFR）分布。
• 提供一种灵活的模型，能够捕捉非单调失效率行为，包括在可靠性与生存研究中常见的浴盆形和单峰模式。
• 推导BLFR分布的概率密度函数、累积分布函数和风险率函数的闭式表达式。
• 建立参数推断的最大似然估计方法及费雪信息矩阵。
• 通过真实数据应用和与现有分布的统计检验，证明该模型的优越性。

提出的方法

• BLFR分布通过贝塔广义族构建，其中基线累积分布函数为LFR分布，定义为 G(x) = 1 - exp(-ax - (b/2)x²)。
• 所得密度函数为 f(x) = [ (a + bx) / B(α,β) ] × [1 - exp(-ax - (b/2)x²)]^{α-1} × exp(-aβx - (bβ/2)x²)，其中参数 a, b, α, β > 0。
• 风险率函数推导为 h(x) = [ (a + bx) / (B(α,β) - B_G(x)(α,β)) ] × [1 - G(x)]^{α-1} × exp(-aβx - (bβ/2)x²)。
• 利用级数展开技术，推导出该分布的矩的闭式表达式。
• 通过数值优化方法执行最大似然估计，并计算观测费雪信息矩阵以近似标准误。
• 使用AIC、AICC、BIC、柯尔莫哥洛夫-斯米尔诺夫、安德森-达尔林格和柯姆戈罗夫-冯·米塞斯统计量，在真实数据集上进行模型比较。

实验结果

研究问题

• RQ1 能否通过LFR分布的四参数推广，有效建模非单调失效率行为（如浴盆形和单峰模式）？
• RQ2 BLFR分布是否在真实生存或可靠性数据上，相比LFR、GE、瑞利分布和GLFR等现有模型，提供更优的统计拟合？
• RQ3 BLFR参数的最大似然估计是否准确？其标准误是否会随着样本量增加而减小？
• RQ4 基于似然比检验，BLFR模型是否在统计上显著优于嵌套子模型（如GLFR、LFR）？
• RQ5 经验标准化TTT变换能否可靠地指示风险率函数的形状，从而支持在复杂失效模式数据中选择BLFR模型？

主要发现

• BLFR分布表现出灵活的失效率行为，根据参数取值可呈现恒定、递减、递增、倒浴盆形和浴盆形等多种模式。
• BLFR模型在真实数据集中拟合效果最佳，其AIC（103.21）、AICC（103.52）和BIC（108.12）值均低于所有对比模型。
• 柯尔莫哥洛夫-斯米尔诺夫检验统计量在BLFR中最小（0.078），p值最高（0.72），表明其拟合优度更优。
• 似然比检验拒绝所有嵌套子模型（GLFR、LFR、GR、GE），支持BLFR模型，对应的p值分别为0.019、0.00047、0.0158和6e-05。
• 模拟结果显示，10,000次重复中MLE估计全部收敛，偏差较低，且随着样本量从30增至200，标准误逐渐减小。
• 经验TTT图确认了浴盆形风险率，支持BLFR模型对数据的适用性。