[論文レビュー] The Odd Generalized Exponential Linear Failure Rate Distribution

M. A. El-Damcese, Abdelfattah Mustafa+2 more|arXiv (Cornell University)|Oct 21, 2015

Statistical Distribution Estimation and Applications参考文献 14被引用数 4

ひとこと要約

本稿では、線形故障率分布を奇数一般化指数分布族を用いて拡張する四パラメータの寿命モデル、Odd Generalized Exponential-Linear Failure Rate (OGE-LFR) 分布を提案する。このモデルは、増加、減少、バスタブ型、単峰型のさまざまなハザードレート形状を示し、AIC、BIC、およびコルモゴロフ・スミルノフ検定による確認により、指数分布、一般化指数分布、LFR、NGLE、TLE などの既存分布よりも実際の寿命データへの適合が優れていることが示された。

ABSTRACT

In this paper we propose a new lifetime model, called the odd generalized exponential linear failure rate distribution. Some statistical properties of the proposed distribution such as the moments, the quantiles, the median, and the mode are investigated. The method of maximum likelihood is used for estimating the model parameters. An applications to real data is carried out to illustrate that the new distribution is more flexible and effective than other popular distributions in modeling lifetime data.

研究の動機と目的

• さまざまな故障率形状をモデル化できる柔軟な四パラメータの寿命分布の開発を目的とする。
• 線形故障率分布を奇数一般化指数分布族フレームワークを用いて拡張することを目的とする。
• 信頼性データに一般的に見られるバスタブ型および単峰型ハザード関数を効果的に捉える統計的モデルの提供を目的とする。
• 実世界のデータを用いた比較により、新規モデルの性能を既存分布と比較することを目的とする。
• 主要統計的性質の閉形式表現と、最尤推定によるパラメータ推定の提供を目的とする。

提案手法

• OGE-LFR 分布は、線形故障率分布の累積分布関数に奇数一般化指数分布変換を適用することで構築される。
• 得られる分布の累積分布関数（CDF）は、$ F(x) = \left[1 - e^{-\alpha \frac{G(x)}{1 - G(x)}} \right]^\beta $ で定義され、ここで $ G(x) $ は線形故障率分布の CDF である。
• 確率密度関数（PDF）、生存関数、ハザード関数、逆ハザード関数が閉形式で導出された。
• 分布の関数的形を用いて、モーメント、分位数、メジアン、モードが解析的に導出された。
• パラメータ $ \alpha, a, b, \beta $ の推定には最尤推定（MLE）が用いられ、プロファイル尤度プロットにより一意かつ安定した解が確認された。
• モデル比較には AIC、BIC、AICC、HQIC、コルモゴロフ・スミルノフ（K-S）検定、生存関数およびハザード関数の視覚的適合度が用いられた。

実験結果

リサーチクエスチョン

• RQ1 標準的な寿命分布と比較して、OGE-LFR 分布はバスタブ型および単峰型の形状を含む、より広範な故障率行動をモデル化できるか？
• RQ2 OGE-LFR 分布は、指数分布、一般化指数分布、LFR、NGLE、TLE などの既存モデルと比較して、実際の寿命データへの統計的適合度が優れているか？
• RQ3 OGE-LFR 分布の統計的性質、たとえばモーメントや分位数は解析的に扱えるか、推論に有用か？
• RQ4 プロファイル尤度プロットによる指摘から、OGE-LFR モデルの最尤推定手順は安定的かつ収束的か？
• RQ5 情報量基準（AIC、BIC、AICC、HQIC）および K-S 検定統計量は、OGE-LFR モデルを他の競合モデルと比較してどのように順位付けされるか？

主な発見

• OGE-LFR 分布は、すべての比較モデルの中で最小のコルモゴロフ・スミルノフ（K-S）検定統計量 0.1627 を達成し、実データセットへの適合が最良であることを示した。
• OGE-LFR モデルは、最小の対数尤度値（-232.865）、AIC（473.730）、AICC（474.618）、BIC（481.378）、HQIC（476.642）を記録し、モデル適合度が優れていることを確認した。
• すべてのパラメータ（$ \alpha, a, b, \beta $）のプロファイル対数尤度プロットは、単峰的かつ滑らかな形状を示しており、一意的かつ安定した最尤推定値が得られていることを示した。
• OGE-LFR モデルの適合ハザード関数は、図8に示すように、他の競合モデルと比較してデータのバスタブ型故障率パターンをより正確に捉えていた。
• OGE-LFR の適合確率密度関数は、図9に示すように、実測ヒストグラムとよく一致しており、データの歪度および尖度をモデル化する柔軟性が裏付けられた。
• OGE-LFR モデルは、一般化指数分布、線形故障率分布、指数分布、レイリー分布を特別な場合として含むため、理論的および実用的応用の幅が広がっている。