[论文解读] The McDonald Modified Weibull Distribution: Properties and Applications

Faton Merovcı, Ibrahim Elbatal|arXiv (Cornell University)|Sep 11, 2013

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

一句话总结

本文提出麦当劳修正威布尔（McMW）分布，一种六参数灵活的寿命分布，通过引入麦当劳 G 族对修正威布尔分布进行扩展。该分布可适应单调、单峰及浴盆形的失效率函数，推导出最大似然估计与矩生成函数。与标准修正威布尔分布和威布尔分布相比，McMW 模型在真实失效时间数据上表现出更优的拟合效果，表现为更低的 AIC、AICC 和 K-S 统计量。

ABSTRACT

A six parameter distribution so-called the McDonald modified Weibull distribution is defined and studied. The new distribution contains, as special submodels, several important distributions discussed in the literature, such as the beta modified Weibull, Kumaraswamy modified Weibull, McDonald Weibull and modified Weibull distribution,among others. The new distribution can be used effectively in the analysis of survival data since it accommodates monotone, unimodal and bathtub-shaped hazard functions. We derive the moments.We propose the method of maximum likelihood for estimating the model parameters and obtain the observed information matrix. A real data set is used to illustrate the importance and flexibility of the new distribution.

研究动机与目标

• 开发一种更灵活的六参数分布，用于建模具有复杂失效率形状的寿命数据。
• 通过麦当劳 G 族框架扩展修正威布尔分布，以增强尾部权重和偏度控制能力。
• 提供一个统一模型，使贝塔分布、柯马克-萨瓦米分布及标准修正威布尔分布成为其特例。
• 通过最大似然估计和真实数据应用评估模型性能。
• 证明 McMW 分布在拟合真实生存数据方面优于基线模型。

提出的方法

• 通过将麦当劳 G 族变换应用于修正威布尔分布，利用母分布的累积分布函数（CDF）和概率密度函数（PDF）构建 McMW 分布。
• 概率密度函数推导为 $ f(x,a,b,c) = \frac{c}{B(a,b)} g(x) G^{ac-1}(x) [1 - G^c(x)]^{b-1} $，其中 $ G(x) $ 为修正威布尔分布的 CDF。
• 基于超几何函数的级数展开，推导出矩和矩母函数。
• 采用最大似然估计（MLE）进行参数推断，通过观测信息矩阵推导标准误估计。
• 通过展示其可生成单调、单峰及浴盆形失效率函数，验证模型的灵活性。
• 基于 50 个组件的真实失效时间数据集，使用 AIC、AICC 和柯尔莫哥洛夫-斯米诺夫（K-S）检验统计量进行模型比较。

实验结果

研究问题

• RQ1 六参数的修正威布尔分布扩展是否能比原始修正威布尔分布或标准威布尔分布在真实生存数据上提供更优的拟合？
• RQ2 麦当劳 G 族变换是否显著增强了修正威布尔分布在建模多样化失效率形状方面的灵活性？
• RQ3 McMW 模型在真实数据上的估计参数与拟合优度统计量，与标准修正威布尔分布和威布尔分布相比如何？
• RQ4 McMW 模型在捕捉早期失效和磨损阶段等复杂失效模式方面表现如何？
• RQ5 由于能够建模多种失效率函数形状，McMW 分布是否可作为可靠性与生存分析中更具鲁棒性的替代方案？

主要发现

• McMW 分布的对数似然值更低（$-2\ell = 196.808$），相比修正威布尔分布（$-2\ell = 204.640$），表明其对数据的拟合更优。
• McMW 模型的 AIC（208.808）和 AICC（210.761）值均低于修正威布尔分布（AIC：210.64，AICC：211.161），确认其模型拟合更优。
• 柯尔莫哥洛夫-斯米诺夫（K-S）检验统计量，McMW 为 0.118，修正威布尔为 0.128，表明 McMW 拟合更优。
• McMW 参数的 95% 置信区间较窄，分别为 $\hat{\alpha} \in [0.599, 0.601]$，$\hat{\beta} \in [1.039, 1.086]$，$\hat{\gamma} \in [1.202, 1.215]$，$\hat{a} \in [0.060, 0.121]$，$\hat{b} \in [0.059, 0.121]$，和 $\hat{c} \in [9.132, 9.205]$。
• 经验密度图显示，McMW 拟合密度曲线与经验直方图高度吻合，优于威布尔分布和修正威布尔分布模型。