《Mathematics》：Power Rayleigh Accelerated Life Model Inference with Censoring: Methods and Applications
编辑推荐：
在可靠性工程研究中，获取产品或材料预期寿命的准确信息至关重要。然而，在正常操作条件下收集此类数据往往具有挑战性，特别是对于高可靠性项目。本文解决了服从幂瑞利（Power Rayleigh, PR）分布的寿命数据统计推断问题。为了降低实验成本和时间，在I型广义混
在可靠性工程研究中，获取产品或材料预期寿命的准确信息至关重要。然而，在正常操作条件下收集此类数据往往具有挑战性，特别是对于高可靠性项目。本文解决了服从幂瑞利（Power Rayleigh, PR）分布的寿命数据统计推断问题。为了降低实验成本和时间，在I型广义混合删失方案（Type-I generalized hybrid censoring scheme, GHCS）下采用了部分步进应力加速寿命试验。使用极大似然和贝叶斯方法推导了模型参数以及加速因子的点估计量。此外，基于极大似然估计量的渐近正态性，结合自举（bootstrap）方法和马尔可夫链蒙特卡罗（Markov-chain Monte Carlo, MCMC）技术，开发了区间估计方法。分析了一个真实数据集以证明所提出模型的适用性。最后，进行了蒙特卡罗模拟研究以评估和比较所建议模型及估计过程的性能。
**论文解读：基于幂瑞利分布的删失加速寿命模型推断方法与应用**
**研究背景与问题**
在可靠性工程中，准确估计产品或材料的寿命分布是核心任务。然而，对于高可靠性产品，在正常使用条件下获取充分的失效数据往往耗时且成本高昂。为了加速失效过程并降低实验成本，加速寿命试验（Accelerated Life Test, ALT）技术被广泛应用。其中，部分步进应力加速寿命试验（Partially Step-Stress Accelerated Life Test, SS-PALT）允许仅对部分实验单元施加高于正常的应力，从而在保持一定正常应力数据的同时加速试验进程。此外，为了进一步节省时间和资源，删失方案被引入，其中I型广义混合删失方案（Type-I Generalized Hybrid Censoring Scheme, GHCS）通过设置最小和最大失效数以及截止时间，保证了在试验结束时既获得足够多的失效数据又控制总时长。幂瑞利分布（Power Rayleigh Distribution, PR分布）是一种通过幂变换技术从经典瑞利分布推广而得的灵活分布，能更好地拟合寿命数据的右尾特征。然而，在GHCS下对PR分布进行SS-PALT的统计推断方法尚不完善。因此，研究人员开展了此项研究，旨在开发基于PR分布的加速寿命模型在GHCS下的参数估计方法，包括极大似然估计（MLE）和贝叶斯估计，并通过真实数据和模拟研究验证其有效性。该论文发表在《Mathematics》。
**主要关键技术方法**
研究人员采用的核心技术方法包括：（1）极大似然估计（MLE）：基于GHCS下的部分步进应力加速寿命试验数据构建似然函数，通过求解非线性方程组得到模型参数（形状参数α、尺度参数β和加速因子τ）的MLE点估计；并通过观察Fisher信息矩阵构建渐近正态置信区间。（2）自举（Bootstrap）方法：使用参数百分位自举法（parametric percentile bootstrap）构造置信区间，用于评估估计量的方差和偏差。（3）贝叶斯估计：为参数α和β设定独立伽马先验，为加速因子τ设定无信息先验（NIP），采用平方误差（SE）损失函数，利用马尔可夫链蒙特卡罗（MCMC）方法（特别是Metropolis-Hastings算法）从后验分布抽样，获得贝叶斯点估计和可信区间。真实数据来源于两个公开数据集：碳纤维断裂应力数据（50mm纤维）和头颈癌患者生存时间数据（44例患者，接受放化疗）。
**研究结果**
**Application 1：碳纤维断裂应力数据分析**
研究人员采用K-S检验和累积分布函数（CDF）图验证了PR分布对碳纤维断裂应力数据的拟合优度（K-S距离0.1307，p值0.4399）。随后，基于该数据集生成一个加速I型GHCS样本（n=45, r=10, k=15, T=0.25, 应力变化点τ=0.15），得到J=15个正常应力下失效和J'=17个加速应力下失效。利用MLE和贝叶斯MCMC（11000次抽样，1000次预烧）进行参数估计。结果表明，贝叶斯估计（无信息先验）与MLE点估计接近；95%置信区间和可信区间均覆盖真实参数。MCMC后验密度图显示良好的混和性和收敛性。
**Application 2：头颈癌患者生存时间数据分析**
研究人员同样验证了PR分布对该数据集的拟合优度（K-S距离0.0823，p值0.7627）。生成加速I型GHCS样本（n=44, r=8, k=12, T=0.85, 应力变化点τ=0.4），得到相应失效数。点估计和区间估计结果见表3和表4。贝叶斯估计与MLE一致，且后验密度图和平稳的迹图进一步证实了MCMC算法的可靠性。该模型特别适用于步进应力加速试验且具有GHCS特征的情形。
**模拟研究**
研究人员通过1000次蒙特卡罗模拟，评估了MLE和贝叶斯估计（无信息先验P1和信息先验P2）的性能。参数真值设为α=1.5, β=0.3, τ=0.6，显著性水平α=0.05。模拟结果显示：随着样本量增大，所有估计量的偏差和均方误差（MSE）均减小；信息先验下的贝叶斯估计在大多数情况下表现出最小的MSE和偏差；贝叶斯可信区间的覆盖概率（CP）通常高于MLE的渐近置信区间，且平均长度（AL）更短。这表明贝叶斯方法在提供更稳健的区间估计方面具有优势。
**讨论与结论**
研究人员在总结讨论部分指出，在可靠性研究或寿命试验中，短时间内获取完整失效数据存在困难，因此采用部分步进应力加速寿命试验节省时间和成本，并利用I型广义混合删失方案进一步控制试验规模。针对服从PR分布的单元寿命，开发了极大似然和贝叶斯点估计方法，以及基于渐近正态性、自举和MCMC的区间估计。通过两个数值实例和蒙特卡罗模拟验证了所提方法的有效性。未来研究方向包括：推广到单样本预测问题，探索E-贝叶斯、修正矩和最小二乘等替代估计方法；确定PR分布下最优应力加载方案；考虑不同类型删失方案（如I型、联合和混合删失）以及非恒定应力模式（如循环和渐进加载）。
