[论文解读] Exponentiated Weibull-Geometric Distribution and its Applications

Eisa Mahmoudi, Mitra Shiran|arXiv (Cornell University)|Jun 18, 2012

Statistical Distribution Estimation and Applications参考文献 18被引用 17

一句话总结

本文提出了一种新的四参数寿命分布——指数威布尔-几何（EWG）分布，通过复合指数威布尔分布与几何分布而构建。该分布具有高度灵活性，能够有效建模多种失效率形态（如递减、递增、浴盆形及单峰形）。研究系统地分析了EWG分布的统计特性，采用EM算法进行参数估计，并通过真实数据应用验证了其在拟合优度方面优于现有模型。

ABSTRACT

In this paper a new lifetime distribution, which is called the exponentiated Weibull-geometric (EWG) distribution, is introduced. This new distribution obtained by compounding the exponentiated Weibull and geometric distributions. The EWG distribution includes as special cases the generalized exponential-geometric (GEG), complementary Weibull-geometric (CWG), complementary exponential-geometric (CEG), exponentiated Rayleigh-geometric (ERG) and Rayleigh-geometric (RG) distributions. The hazard function of the EWG distribution can be decreasing, increasing, bathtub-shaped and unimodal among others. Several properties of the EWG distribution such as quantiles and moments, maximum likelihood estimation procedure via an EM-algorithm, Rényi and Shannon entropies, moments of order statistics, residual life function and probability weighted moments are studied in this paper. In the end, we give two applications with real data sets to show the flexibility of the new distribution.

研究动机与目标

• 开发一种新的四参数寿命分布，以扩展现有模型，提升对失效率形态的建模灵活性。
• 在统一框架下推广并统一多个已知分布，包括GEG、CWG、CEG、ERG和RG。
• 系统研究EWG分布的统计特性，包括原点矩、熵、顺序统计量及残余寿命。
• 提出一种基于EM算法的高效参数估计方法，用于实现最大似然推断。
• 通过真实数据应用验证模型的实际适用性，显示其在拟合优度方面优于现有模型。

提出的方法

• 通过将指数威布尔分布与几何分布复合，推导出EWG分布，形成一种具有四个参数的新寿命模型。
• 显式推导并分析了EWG分布的概率密度函数（pdf）、生存函数及失效率函数的形状变化特性。
• 通过包含二项式系数和无穷级数的级数展开方法，获得矩和分位数。
• 采用EM算法进行参数的最大似然估计，从而在潜变量存在的情况下实现高效计算。
• 计算Rényi熵与Shannon熵，以评估分布中的不确定性与信息含量。
• 推导概率加权矩及顺序统计量的矩，以支持稳健的参数估计与统计推断。

实验结果

研究问题

• RQ1 能否构建一种新的四参数分布，以推广现有寿命模型并捕捉多样的失效率行为？
• RQ2 在不同参数设置下，EWG分布的统计特性（如矩、熵与顺序统计量）如何表现？
• RQ3 EM算法能否在有限样本下有效估计EWG分布的参数？
• RQ4 与Weibull、指数-几何或广义指数-几何分布等既有模型相比，EWG模型是否能更好地拟合真实寿命数据？
• RQ5 EWG分布的失效率函数在不同参数值下的行为特征如何？

主要发现

• EWG分布可呈现递减、递增、浴盆形及单峰型失效率，适用于多种可靠性与生存数据分析场景。
• EWG分布的均值与方差以级数形式推导得出，当形状参数α为整数时可获得闭式表达式。
• EM算法为四参数的最大似然估计提供了稳定且高效的方法，数值研究中观察到收敛性。
• EWG分布的Rényi熵与Shannon熵均以闭式表达，支持信息论分析。
• 通过包含二项式系数与整数的倒数幂的级数展开，推导出顺序统计量的矩。
• 在两个真实数据应用中，EWG模型在AIC、BIC及Kolmogorov-Smirnov检验统计量方面均优于Weibull、指数-几何及广义指数-几何分布等竞争模型。