单参数随机比例分布：驱动系统可靠性与健康医疗跨学科创新的量化工具

研究人员针对现实数据不确定性建模的挑战，开发了基于双变量条件Weibull分布的单参数随机比例分布模型。该模型通过最大似然和贝叶斯方法估计参数，应用于系统停机时间比例、案例死亡率(case fatality rate)和建筑冷却能耗比例分析。结果表明，其优于现有模型，为跨学科决策（如医疗风险预测和能源优化）提供了高精度量化工具，推动主动策略优化。

　　

现实世界的不确定性如同一个待解的谜题，统计建模通过量化内在随机性揭示现象的行为和模式，帮助制定主动策略以达成最优结果！本文创新性地从双变量条件威布尔分布(bivariate conditional Weibull distribution)中衍生出一种单参数随机比例分布，专用于建模跨领域数据集——包括系统可靠性（停机时间与总时长的比例）、医疗保健(healthcare)如案例死亡率(case fatality rate)，以及能源消耗如冷却能耗比例。研究详细展示了该分布的核心特性和统计性质，并通过接受-拒绝法(acceptance–rejection method)开展模拟研究，基于平均估计值、标准误差和偏差评估模型参数的稳定性。参数估计采用最大似然(maximum likelihood)和贝叶斯方法(Bayesian methods)，并将新模型与现有模型应用于真实数据对比。结果显示，该模型在预测停机时间比例、案例死亡率和冷却能耗方面表现卓越，其分位数估计为系统可靠性、医疗风险和建筑能效提供了关键量化洞察。