[论文解读] Exponentiated Weibull-logarithmic Distribution: Model, Properties and Applications

Eisa Mahmoudi, Afsaneh Sepahdar+1 more|arXiv (Cornell University)|Feb 21, 2014

Statistical Distribution Estimation and Applications参考文献 23被引用 8

一句话总结

本文提出指数威布尔-对数（EWL）分布，一种通过潜在互补风险框架复合指数威布尔分布与对数分布而导出的四参数寿命模型。EWL分布表现出灵活的失效率形状——递减、递增、单峰及浴盆形——并包含广义指数-对数分布和互补威布尔-对数分布等子模型。通过最大似然估计与拟合优度检验验证，该模型在真实数据拟合方面优于现有分布。

ABSTRACT

In this paper, we introduce a new four-parameter generalization of the exponentiated Weibull (EW) distribution, called the exponentiated Weibull-logarithmic (EWL) distribution, which obtained by compounding EW and logarithmic distributions. The new distribution arises on a latent complementary risks scenario, in which the lifetime associated with a particular risk is not observable; rather, we observe only the maximum lifetime value among all risks. The distribution exhibits decreasing, increasing, unimodal and bathtub-shaped hazard rate functions, depending on its parameters and contains several lifetime sub-models such as: generalized exponential-logarithmic (GEL), complementary Weibull-logarithmic (CWL), complementary exponential-logarithmic (CEL), exponentiated Rayleigh-logarithmic (ERL) and Rayleigh-logarithmic (RL) distributions. We study various properties of the new distribution and provide numerical examples to show the flexibility and potentiality of the model.

研究动机与目标

• 开发一种新的四参数寿命分布，推广指数威布尔分布并能适应多样的失效率形状。
• 基于潜在互补风险情景，建模仅观测到多个风险中最大寿命的系统。
• 提供一种灵活的统计模型，包含广义指数-对数分布和互补威布尔-对数分布等子模型。
• 通过最大似然估计与 EM 算法实现稳健的参数估计与推断，并应用于真实世界寿命数据。
• 通过全面的拟合优度统计量，证明该模型在拟合真实数据集方面的优越性。

提出的方法

• 通过将指数威布尔（EW）分布与对数分布复合，其中风险数量服从对数分布，构建 EWL 分布。
• 最大寿命 Y 的边缘累积分布函数（CDF）推导为 F(y) = log[1 - θ(1 - e^{-(βy)^γ})^α] / log(1 - θ)，其中 θ ∈ (0,1)。
• 概率密度函数（PDF）推导为 f(y) = [αθγβ^γ y^{γ-1} e^{-(βy)^γ} (1 - e^{-(βy)^γ})^{α-1}] / [log(1 - θ) (θ(1 - e^{-(βy)^γ})^α - 1)]，定义 EWL(α, β, γ, θ) 分布。
• 通过 EM 算法处理潜在变量结构，实现对四个参数的最大似然估计。
• 该模型的性质包括分位数、矩、Rényi 和 Shannon 熵、顺序统计量、残余寿命函数及概率加权矩。
• 通过两个真实数据集的 K-S 统计量、p 值、AIC、AD、CM 和似然比检验评估拟合优度。

实验结果

研究问题

• RQ1 能否开发一种新的四参数寿命分布，推广指数威布尔分布并能适应多样的失效率行为？
• RQ2 与 Weibull、指数及广义指数分布等现有模型相比，EWL 分布在拟合现实世界寿命数据方面表现如何？
• RQ3 对数复合机制在互补风险框架下对结果分布的灵活性与可解释性有何影响？
• RQ4 EM 算法能否在存在潜在变量的情况下有效估计 EWL 分布的参数？
• RQ5 EWL 模型的子模型（如 GEL、CEL、CWL）对不同类型失效数据建模有何启示？

主要发现

• EWL 分布表现出灵活的失效率函数，根据参数取值可呈现递减、递增、单峰及浴盆形模式。
• 对于第一组数据（200 个应力断裂时间），EWL 模型的 K-S 统计量为 0.075，p 值为 0.8657，-2log(L) = 111.738，AIC = 119.738，表明其拟合效果优于竞争模型。
• 对于第二组数据（63 根 1.5 cm 玻璃纤维强度），EWL 模型的 AIC（119.738）和 AD（0.2545）最低，K-S p 值为 0.8657，优于 EW、GE 和 Weibull 模型。
• 似然比检验拒绝原假设（如 WG 与 EWL 比较），p 值分别为 4.34e-05、0.0008 和 0.0005，证实 EWL 模型在统计上显著优于更简单的替代模型。
• EM 算法成功实现了四个参数的最大似然估计，两组数据中各参数的标准误均已报告。
• EWL 模型包含 GEL、CEL、CWL、ERL 和 RL 等子模型，表明其在不同失效时间场景中具有广泛适用性。