[論文レビュー] Explicit expressions for moments of the beta Weibull distribution

Gauss M. Cordeiro, Alexandre B. Simas+1 more|ArXiv.org|Sep 10, 2008

Statistical Distribution Estimation and Applications参考文献 17被引用数 12

ひとこと要約

この論文は、ワイブル分布および指数型ワイブル族を一般化する柔軟な寿命分布であるベータワイブル分布のモーメント、累積分布関数、およびモーメント母関数の明示的閉形式式を導出する。著者らは、モーメント、歪度、尖度、フィッシャー情報行列の要素についての解析的公式を提供し、最尤推定の効率的実行を可能にするとともに、標準ワイブル分布よりも実データへの適合が優れていることを示している。

ABSTRACT

The beta Weibull distribution was introduced by Famoye et al. (2005) and studied by these authors. However, they do not give explicit expressions for the moments. We now derive explicit closed form expressions for the cumulative distribution function and for the moments of this distribution. We also give an asymptotic expansion for the moment generating function. Further, we discuss maximum likelihood estimation and provide formulae for the elements of the Fisher information matrix. We also demonstrate the usefulness of this distribution on a real data set.

研究の動機と目的

• 既存の文献に存在しなかった、ベータワイブル分布のモーメントの明示的閉形式式を導出すること。
• ベータワイブル分布の累積分布関数およびモーメント母関数の解析的表現を提供すること。
• 最尤推定の包括的フレームワークを構築し、フィッシャー情報行列を含めることで統計的推論を支援すること。
• 実寿命データへの応用を通じて、ベータワイブル分布の実用的有用性を示し、標準ワイブルモデルよりも優れた適合を示すこと。
• 従来の非可解性に関する主張に対し、ベータワイブル分布の数学的性質が実際に取り扱えるかどうかを解消すること。

提案手法

• 不完全ベータ関数およびガンマ関数を含む級数展開を用いて、ベータワイブル分布のモーメントの明示的表現を導出する。
• 二項係数 (1 - e^(-x))^{a-1} の対数変換および級数展開を用いた積分恒等式を適用し、モーメントの公式を導出する。
• B ~ Beta(a, b) のもとで、X = { -log(1 - B) }^{1/c} / λ の変換を用いて、ベータワイブル分布からのシミュレーションを可能にする。
• 密度関数の級数表現を活用し、漸近展開を用いてモーメント母関数を導出する。
• パラメータ a, b, c, λ に関する対数尤度関数の2階微分を計算することで、フィッシャー情報行列を構築する。
• パrameter推定に最尤推定（MLE）を用い、モデル適合の比較に尤度比検定および Wald 検定を用いる。

実験結果

リサーチクエスチョン

• RQ1 ベータワイブル分布のモーメントについて、明示的閉形式式を導出できるか？
• RQ2 ベータワイブル分布の累積分布関数およびモーメント母関数の解析的形は何か？
• RQ3 ベータワイブル分布の歪度および尖度は、異なるパラメータ値の下でどのように変化するか？
• RQ4 ベータワイブル分布は、標準ワイブル分布よりも実寿命データに顕著に優れた適合を示すか？
• RQ5 従来の非可解性に関する主張とは対照的に、ベータワイブル分布の数学的性質は統計的推論に取り扱えるか？

主な発見

• 形状母数 a が整数でない場合を含め、ベータワイブル分布のモーメントについて明示的閉形式式が導出された。
• モーメント母関数は漸近展開を用いて表現され、高階モーメントの近似が可能になった。
• フィッシャー情報行列が明示的に計算され、その逆行列が MLE の標準誤差の漸近的分散共分散行列を提供する。
• 実データへの応用において、ベータワイブルモデルの最大化尤度は -169.919 に達し、標準ワイブルモデルの -184.3138 より顕著に優れていた。
• 尤度比検定の検定統計量（w = 28.7896）および Wald 統計量（W = 38.4498）の両方が、帰無仮説（a = b = 1、すなわちワイブルモデル）を強く棄却し、ベータワイブルモデルの優位性を支持した。
• ベータワイブルモデルは、密度関数のプロットから示されるように、データの二峰性をうまく捉えており、単峰性のワイブル分布を上回った。