[论文解读] The Beta Flexible Weibull Distribution

B. S. El-Desouky, Abdelfattah Mustafa+1 more|arXiv (Cornell University)|Mar 16, 2017

Statistical Distribution Estimation and Applications参考文献 13被引用 3

一句话总结

本文提出Beta灵活威布尔（BFW）分布，通过贝塔广义族对灵活威布尔分布进行四参数推广。该文推导了关键统计特性，采用最大似然法估计参数，并通过真实数据表明，BFW模型在AIC、AICC、BIC和K-S统计量方面均优于现有威布尔分布扩展模型，表现出更优的拟合效果。

ABSTRACT

We introduce in this paper a new generalization of the flexible Weibull distribution with four parameters. This model based on the Beta generalized (BG) distribution, Eugene et al. \cite{Eugeneetal2002}, they first using the BG distribution for generating new generalizations. This new model is called the beta flexible Weibull BFW distribution. Some statistical properties such as the mode, the $r$th moment, skewness and kurtosis are derived. The moment generating function and the order statistics are obtained. Moreover, the estimations of the parameters are given by maximum likelihood method and the Fisher's information matrix is derived. Finally, we study the advantage of the BFW distribution by an application using real data set.

研究动机与目标

• 开发灵活威布尔分布的新四参数推广形式，以增强生存分析与可靠性分析中的建模灵活性。
• 应用贝塔广义族扩展灵活威布尔分布，提升其拟合复杂数据模式的能力。
• 推导并分析关键统计特性，包括矩、偏度、峰度、矩生成函数及顺序统计量。
• 采用最大似然估计法估计模型参数，并推导费舍尔信息矩阵以支持统计推断。
• 在真实数据上评估BFW分布的性能，并与现有基于威布尔的模型进行比较，采用标准拟合优度准则。

提出的方法

• 通过将贝塔广义（BG）变换应用于灵活威布尔分布的累积分布函数（CDF），构建BFW分布。
• 所得CDF以不完全贝塔函数比的级数形式表达，从而实现对风险率和分布形状的高度灵活性。
• 利用BG密度公式推导概率密度函数（PDF），结合灵活威布尔分布的强度函数与基线CDF。
• 通过级数展开，解析推导r阶矩、偏度、峰度及矩生成函数等统计特性。
• 推导BFW分布的顺序统计量，支持对极值与记录统计量的推断。
• 采用最大似然估计（MLE）进行参数估计，并推导费舍尔信息矩阵，用于标准误与置信区间计算。

实验结果

研究问题

• RQ1 贝塔广义族能否有效扩展灵活威布尔分布，以提升模型灵活性与拟合优度？
• RQ2 BFW分布的统计特性（如矩、偏度与峰度）在不同参数取值下如何表现？
• RQ3 BFW分布是否在拟合真实可靠性数据方面显著优于现有威布尔扩展模型（如FWD、WD、MWD、RAWD与EWD）？
• RQ4 BFW分布MLE的渐近性质如何？费舍尔信息矩阵所反映的参数估计精度如何？
• RQ5 BFW模型能否有效捕捉真实故障时间数据的可靠性函数与累积分布函数，如通过Kaplan-Meier比较所证实？

主要发现

• BFW分布的对数似然值最低（−30.768），表明其对次级反应堆泵故障数据的拟合效果最佳。
• BFW模型的AIC（69.536）、AICC（71.758）、BIC（74.078）和HQIC（70.678）值均为最小，确认其在拟合优度上显著优于FWD、WD、MWD、RAWD与EWD模型。
• BFW模型的Kolmogorov-Smirnov（K-S）检验统计量为0.1151，为所有模型中最低，进一步支持其最优拟合性能。
• MLE估计的方差-协方差矩阵显示α与β的估计具有高精度，标准误分别约为0.046与0.024。
• 轮廓对数似然图表明所有参数的MLE均为唯一且全局最优，未发现局部极大值。
• Kaplan-Meier生存函数与BFW模型估计的可靠性函数高度吻合，表明其具有出色的实证性能。