[论文解读] The Odd Generalized Exponential Gompertz

M. A. El-Damcese, Abdelfattah Mustafa+2 more|arXiv (Cornell University)|Jul 23, 2015

Statistical Distribution Estimation and Applications参考文献 14被引用 7

一句话总结

本文提出了一种四参数寿命分布——奇广义指数-戈珀茨（OGE-G）分布，通过OGE族框架将戈珀茨分布与广义指数族结合。该分布对真实数据（特别是浴盆形失效率数据）具有更优的拟合效果，基于AIC、BIC、AICC及Kolmogorov-Smirnov统计量，其表现优于指数分布、广义指数分布、戈珀茨分布、广义戈珀茨分布和贝塔-戈珀茨分布。

ABSTRACT

In this paper we propose a new lifetime model, called the odd generalized exponential gompertz distribution, We obtain some of its mathematical properties. Some structural properties of the new distribution are studied. The method of maximum likelihood method is used for estimating the model parameters and the observed Fisher's information matrix is derived. We illustrate the usefulness of the proposed model by applications to real data.

研究动机与目标

• 开发一种灵活的寿命分布，能够有效建模各种风险率形状，包括浴盆形和倒浴盆形。
• 通过OGE族框架扩展戈珀茨分布与广义指数分布，以增强建模灵活性。
• 提供一种新的统计模型，其在拟合具有复杂失效率模式的真实寿命数据方面优于现有分布。
• 推导并分析新分布的关键统计特性，包括矩、分位数及顺序统计量。
• 利用最大似然估计和真实数据集的拟合优度准则，评估OGE-G模型的性能。

提出的方法

• 通过将OGE族变换应用于戈珀茨分布，利用CDF与生存函数的比值，构建OGE-G分布。
• 累积分布函数（CDF）定义为 $ F(x;\Theta) = \left[1 - \exp\left(-\alpha \left( e^{\frac{\lambda}{c}(e^{cx}-1)} - 1 \right) \right) \right]^\beta $，其中参数 $ \alpha, \lambda, c, \beta > 0 $。
• 从CDF解析推导出概率密度函数（PDF）与风险率函数，实现完整的统计建模。
• 采用最大似然估计（MLE）进行参数估计，并基于观测信息矩阵推导出用于统计推断的矩阵。
• 推导出顺序统计量与矩（包括均值、方差与偏度）的闭式表达式，以支持理论分析。
• 通过AIC、BIC、AICC、Kolmogorov-Smirnov（K-S）检验及p值评估拟合优度，将OGE-G与五种竞争分布进行比较。

实验结果

研究问题

• RQ1 OGE-G分布能否有效建模真实寿命数据中观察到的浴盆形失效率行为？
• RQ2 与指数分布、广义指数分布、戈珀茨分布、广义戈珀茨分布及贝塔-戈珀茨分布相比，OGE-G分布的拟合效果如何？
• RQ3 所提出的OGE-G分布的统计特性（如矩、分位数与顺序统计量）是什么？
• RQ4 OGE-G模型的最大似然估计过程是否能获得稳定且唯一的参数估计？
• RQ5 在真实数据集中，OGE-G分布能否在AIC、BIC与K-S统计量方面优于竞争模型？

主要发现

• 在Aarset数据集中，OGE-G分布的AIC（423.9470）、AICC（424.8359）、BIC（447.5951）与K-S统计量（0.13205）均低于所有竞争模型，表现最优。
• OGE-G模型的K-S检验p值为0.3476，表明无显著缺乏拟合，且为所有模型中最高，说明其拟合效果最佳。
• MLE的估计方差-协方差矩阵确认了参数估计的稳定性，标准误由观测信息矩阵的逆矩阵推导得出。
• 参数的95%置信区间分别为：$\alpha$ 的区间为 $[0, 0.116]$，$\lambda$ 的区间为 $[0, 0.001]$，$c$ 的区间为 $[0.060, 0.096]$，$\beta$ 的区间为 $[0.116, 0.270]$，表明估计精度较高。
• 轮廓对数似然图确认了所有参数的MLE解具有唯一性。
• Kaplan-Meier生存函数与风险率图显示，OGE-G模型与经验数据高度吻合，尤其在捕捉浴盆形风险率方面表现优异。