编辑推荐:
经典指数(Exponential, Exp)分布在描述非对称寿命数据与具有不同尾部特征的观测值时能力有限。研究人员提出一种基于指数分布与贝塔(Beta)分布尺度混合表示的新扩展指数模型,称为混合指数–贝塔(Mixed Exponential–Beta, MEB
经典指数(Exponential, Exp)分布在描述非对称寿命数据与具有不同尾部特征的观测值时能力有限。研究人员提出一种基于指数分布与贝塔(Beta)分布尺度混合表示的新扩展指数模型,称为混合指数–贝塔(Mixed Exponential–Beta, MEB)分布。该文研究了所提分布的主要统计性质,包括概率密度函数(pdf)、累积分布函数(cdf)、可靠度函数、矩、偏度与峰度。MEB分布新增的形状参数增强了对分布形态、非对称性及尾部行为的控制能力。研究人员基于混合模型的随机表示,采用期望最大化(EM)算法进行模型参数估计;并将所提基于EM的最大似然(ML)估计方法与最小二乘(LS)估计方法比较,结果显示前者估计精度更优。最后,研究人员通过维修时间数据说明了MEB分布的适用性,所提模型相较于若干指数型分布具有竞争性拟合表现。结果表明,MEB分布为建模具有不同分布特征的正值寿命数据提供了灵活替代方案,且在适当参数条件下指数分布为其极限特例。
研究背景方面,尺度混合模型为容纳重尾行为与降低极端观测影响提供了有效框架。经典正态误差假设对离群值敏感,生存分析、可靠性工程与精算科学中广泛使用的指数(Exp)分布虽便于推断,但在面对非典型与极端观测时拟合能力有限。既有扩展模型如Weibull分布、广义指数(GE)分布、尺度混合指数(SME)分布等,在峰度控制与极端值描述上仍存局限。SME采用对称贝塔 Beta(α,α) 混合变量,本文研究人员将其推广为一般贝塔 Beta(α,β) 混合,使两个形状参数独立控制0与1边界附近行为,从而在右尾与非对称性上获得更大灵活性,据此提出MEB分布。
主要关键技术方法上,研究人员基于 Z = X/V 的尺度混合随机表示(X~Exp(λ), V~Beta(α,β), 独立)推导MEB的pdf与cdf;借助合流超几何函数 ?F? 与高斯超几何函数 ?F? 表达矩与累积量;参数推断采用EM算法,引入潜变量 V? 并在E步以128点Gauss–Legendre求积近似条件期望,M步对尺度参数 λ 闭式更新、对 α,β 用Newton–Raphson解digamma方程;以对数参数化数值求观测信息矩阵并借delta法得标准误;对照方法为基于经验绘图位置的最小二乘(LS)估计;模拟研究含样本量50/300/500、千次重复,真实数据采用Devore的46台机载通信接收机维修时间(小时)与Proschan的Boeing 720六架机(7907–7912)空调系统故障间隔时间(小时)。
研究结果部分,第2节定义与统计性质中,研究人员由尺度混合性质证得MEB的pdf含 ?F?(1;α+β;?λz/ν) 形式,并在 α=β 时退化为SME;推得cdf用 ?F? 表示,可靠度与危险率显示于同均值约束下MEB呈递减危险率而Exp(1)为常数危险率;顺序统计量密度给出第k序与极值密度;极限性质量 α,β→∞ 且 α/β→1 时MEB依分布收敛于Exp(λ),并由Chebyshev与Slutsky定理处理非退化极限;矩生成函数导出 r 阶矩 E(Z?)=λ?? Γ(α+β)Γ(α?r)/Γ(α+β?r)Γ(α)(要求 α>r),均值 E(Z)=λ?1(α+β?1)/(α?1),方差、偏度随 α 增而降至Exp值2,峰度降至9,证实 α,β 分别调控偏度与尾部厚度。
第3节参数估计中,研究人员建立MEB的对数似然方程并引Lemma 1证得EM所得ML估计的一致性;EM算法E步计算 E(log V?|Z?) 与 E(1/V?|Z?) 后验期望,M步迭代式 λ???1?=n/∑z? E(1/V?) 及 α,β 的digamma联立方程;观测信息矩阵在对数尺度数值微分、对称化后验delta法获置信区间;LS估计最小化 ∑(F?(z???)?(i?0.5)/n)2 且无闭式;计算诊断显示EM在 n 增大时耗时增但迭代次数稳于窄区间,初值乘0.9/1.0/1.1时有效收敛率相近;Monte Carlo中EM-ML相较LS在 SE、RMSE 更小、CP近0.95,对 λ 改善尤显;模型比较模拟中MEB在log-likelihood与Anderson–Darling(AD)统计量优于SME、WE、Exp、Weibull、GE,SME因参少AIC略低。
第4节应用中,机载接收机维修时间数据显示MEB获最大log-likelihood,SME的AD与AIC最小;拟合cdf、pdf与Q-Q图表明MEB对经验分布与右尾贴合最佳。Boeing 720空调故障间隔数据中WE的log-likelihood与AIC最优,但MEB的AD最小、p值最大,Q-Q与密度曲线显示MEB捕捉递减趋势与长尾优于常规指数型。
讨论与结论翻译部分,研究人员在文中指出:MEB分布通过指数与一般贝塔的尺度混合引入两形状参数,提升对非对称寿命数据与异质尾部的刻画力;系统给出其pdf、cdf、可靠度、矩、偏度、峰度及至Exp分布的极限关系;基于随机表示构建EM-ML估计并在模拟中验证其一致性、有限样本精度优于LS;两真实寿命数据集应用显示MEB在似然、AD与分位贴合上具竞争性与灵活性。研究人员总结,所提MEB为正值寿命数据提供灵活替代,指数分布为其极限特例;后续可拓展区间估计理论与置信区间构造算法。该文发表于《Mathematics》。