[论文解读] Exponentiated Weibull Power Series Distributions and its Applications

Eisa Mahmoudi, Mitra Shiran|arXiv (Cornell University)|Dec 21, 2012

Statistical Distribution Estimation and Applications参考文献 20被引用 9

一句话总结

本文提出了指数威布尔幂级数（EWPS）分布，一种通过将指数威布尔分布与幂级数分布（如几何分布、泊松分布、对数分布）复合而成的灵活寿命模型。该文推导了概率密度函数、生存函数、风险函数和分位数函数，通过EM算法建立了最大似然估计方法，并在真实数据上展示了其相对于基线模型的优越拟合效果，应用表明该模型能够有效建模递增、递减、浴盆形及单峰型的失效率。

ABSTRACT

In this paper we introduce the exponentiated Weibull power series (EWPS) class of distributions which is obtained by compounding exponentiated Weibull and power series distributions, where the compounding procedure follows same way that was previously carried out by Roman et al. (2010) and Cancho et al. (2011) in introducing the complementary exponential-geometric (CEG) and the two-parameter Poisson-exponential (PE) lifetime distributions, respectively. This distribution contains several lifetime models such as: exponentiated weibull-geometric (EWG), exponentiated weibull-binomial (EWB), exponentiated weibull-poisson (EWP), exponentiated weibull-logarithmic (EWL) distributions as a special case. The hazard rate function of the EWPS distribution can be increasing, decreasing, bathtub-shaped and unimodal failure rate among others. We obtain several properties of the EWPS distribution such as its probability density function, its reliability and failure rate functions, quantiles and moments. The maximum likelihood estimation procedure via a EM-algorithm is presented in this paper. Sub-models of the EWPS distribution are studied in details. In the end, Applications to two real data sets are given to show the flexibility and potentiality of the EWPS distribution.

研究动机与目标

• 通过将指数威布尔分布与幂级数分布复合，构建一种新的灵活寿命分布族。
• 通过引入指数威布尔分布对多样化失效率形状的建模能力，扩展现有的复合模型（如WPS、EPS）。
• 提供一个统一框架，其中包含EWG、EWP、EWB和EWL等子模型作为特例。
• 通过基于EM算法的最大似然估计，实现稳健的统计推断。
• 通过可靠性与生存分析中的真实世界数据应用，展示该模型的实际应用价值。

提出的方法

• 通过复合构造EWPS分布：寿命Y定义为N个独立同分布的指数威布尔随机变量的最小值，其中N服从幂级数分布。
• 通过幂级数分布的混合形式推导EWPS的概率密度函数（PDF），将指数威布尔PDF与幂级数的概率生成函数相结合。
• 从累积分布函数推导出生存函数与风险率函数，从而能够分析包括浴盆形和单峰形在内的失效时间行为。
• 利用伽马函数与二项式系数的级数展开，获得矩与分位数，当α为整数时可得闭式表达。
• 通过EM算法执行最大似然估计，以处理复合过程中产生的隐变量结构。
• 显式计算了观测信息矩阵，其分量由对数似然函数关于α、β、γ和θ的二阶导数导出。

实验结果

研究问题

• RQ1 EWPS族是否能有效建模多样化的失效率行为，包括浴盆形与单峰形模式，而不仅限于标准威布尔模型？
• RQ2 与现有模型（如EW、WPS和GE分布）相比，EWPS分布对真实寿命数据集的拟合效果如何？
• RQ3 在不同数据情景下，EM算法在估计EWPS参数时的统计性能如何？
• RQ4 子模型（如EWG、EWP、EWL）如何继承并扩展父模型EW与幂级数分布的性质？
• RQ5 幂级数参数θ在塑造EWPS分布的尾部行为与整体灵活性方面起什么作用？

主要发现

• 由于基线分布指数威布尔的灵活性，EWPS分布可支持广泛的失效率形状，包括递增、递减、浴盆形及单峰形。
• 该模型包含多个知名分布作为特例：根据幂级数分布的选择，可分别得到EWG、EWB、EWP和EWL。
• EM算法在参数估计中表现出可靠的收敛性，且显式推导出观测信息矩阵，可用于标准误与置信区间的计算。
• 在两个真实数据应用中，EWPS模型的拟合效果优于竞争模型（如EW、WPS、GE），表现为更低的AIC与BIC值。
• 当α为整数时，指数威布尔分布的k阶矩具有闭式表达，涉及伽马函数与二项式系数的有限和。
• EWPS的危险率函数可表现出复杂行为，包括非单调失效率，使其适用于建模随时间风险变化的系统。