《Scientific African》:A comparative study of estimation methods for the New Sine Topp-Leone Fréchet distribution
编辑推荐:
建模与拟合复杂数据集是多个科学领域的关键课题。本文提出Sine Topp-Leone Fréchet分布(STL-FRD),这是一种通过将Fréchet分布(FRD)与Sine Topp-Leone-G(STL-G)族结合得到的新概率分布。所提模型最显著的特征
建模与拟合复杂数据集是多个科学领域的关键课题。本文提出Sine Topp-Leone Fréchet分布(STL-FRD),这是一种通过将Fréchet分布(FRD)与Sine Topp-Leone-G(STL-G)族结合得到的新概率分布。所提模型最显著的特征是仅需三个参数即可精确表征多种风险率模式(如倒U形、反J形、递减与递增型)。其密度函数亦可呈现单峰、反J形及右偏形态。研究人员给出了该分布的一系列统计性质,采用十六种不同估计方法对其参数进行估计并探讨若干分布特征。通过Monte Carlo模拟评估所提模型的有效性并比较不同参数估计方法的效能。数值分析表明,Kolmogorov估计量与二阶左尾Anderson–Darling估计量在多种情形下表现出更优的效率与一致性,常依据所有性能准则总和获得最高综合排名,且持续产生低偏差与均方误差的估计值。此外,研究人员利用两个真实数据集评估所提分布的适应性,证明其具有精确拟合数据的卓越能力。结果显示,所提分布在拟合质量上优于cotangent Fréchet、odd exponential-logarithmic Fréchet、Topp-Leone Fréchet、odd-generalized exponential inverse Weibull、generalized inverse Weibull distribution、arctan inverse Weibull、new arctan Fréchet及Fréchet分布。
研究背景方面,近年来各领域产生海量数据,数据异质性与复杂性急剧增加,需合适统计模型从数据中精确推断以支撑规划与决策。传统Fréchet分布(FRD,亦称inverse Weibull distribution,IWD)作为极值理论基本工具,在风速、降雨、空气污染、加速寿命试验、经济学、地震、可靠性分析及信息测度等领域有应用,但其形状相对刚性,难以捕捉现代真实数据中复杂的多峰趋势、多样尾部权重及非标准风险率等模式。为填补标准极值模型与现代真实数据复杂模式间的差距,研究人员将FRD与Sine Topp-Leone-G(STL-G)族结合,提出仅含三个参数的Sine Topp-Leone Fréchet分布(STL-FRD),以增强形状灵活性,表征多样密度与风险率形态,提升对真实数据的拟合能力,该论文发表于《Scientific African》。
研究人员开展的主要关键技术方法包括:基于STL-G族与FRD推导STL-FRD的CDF(累积分布函数)与PDF(概率密度函数);通过余弦展开与二项式展开给出PDF的线性表示,推导k阶矩、不完全矩、矩生成函数(MGF)及应力强度可靠性(SSR)等统计性质;采用十六种经典估计方法(含最大似然估计(MLE)、Anderson–Darling估计(ADE)、Cramér-von Mises估计(CVME)、最大乘积间距估计(MPSE)等)进行参数估计;通过R软件开展Monte Carlo模拟,以平均偏差(BIAS)、均方误差(MSE)、平均相对误差(MRE)、平均绝对差异(Dabs)、最大绝对差异(Dmax)及平均平方绝对误差(ASAE)为指标,在五种参数场景下比较各估计方法性能并综合排名;利用两个真实数据集(73例急性骨癌患者生存时间(天)、23个深沟球轴承失效前百万转数)进行拟合优度比较,采用对数似然(logLik)、AIC、BIC、CAIC、HQIC、Kolmogorov–Smirnov(KS)统计量及p值、Cramér-von Mises(CVM)统计量及p值、Anderson–Darling(AD)统计量及p值评估模型表现。
研究结果部分保留小标题并说明如下:
The Sine Topp-Leone-Fréchet distribution formulation:研究人员将FRD的CDF代入STL-G族的CDF与PDF,得到STL-FRD的CDF(式5)与PDF(式6),参数为尺度参数c、形状参数b与δ,并给出可靠函数(式7)、风险率函数(HRF,式8)与累积HRF(式9);通过绘图展示PDF可呈递减、右偏、重尾与单峰形态,HRF可呈递减或倒U形,结合3D与等高线图分析参数对形状的影响。
Statistical properties:研究人员通过余弦展开(式10)与二项式展开(式12)给出PDF的线性展开(式14),定义系数Δj1,j2,j3;推导k阶矩(式16,要求b>k)与矩生成函数(MGF),给出不完全矩(式17)表达式及上不完全伽马函数表示;推导应力强度可靠性(SSR,式18),通过正弦展开与二项式展开得到级数表达(式22、式后续);通过CDF逆变换得到分位数函数(QF,式24),用以生成随机数及计算四分位数、Bowleys偏度与Moors峰度,结合表1说明参数对均值、方差、偏度、峰度、变异系数及四分位数的影响,证实分布具轻度右偏与适度峰态。
Estimation Methods:研究人员系统阐述十六种参数估计方法的目标函数:最大似然估计(MLE,式28及偏导)、Anderson–Darling估计(ADE)、Cramér-von Mises估计(CVME)、最大乘积间距估计(MPSE)、普通最小二乘(OLSE)与加权最小二乘(WLS)、百分位数估计(PCE)、右尾与左尾Anderson–Darling估计(RTADE、LTADE)、基于间距的最小距离估计(MSADE、MSALDE、MSSD、MSSLDE、MSLNDE)、二阶左尾Anderson–Darling估计(ADSOE)与Kolmogorov估计(KE),分别给出各方法的优化准则表达式。
Numerical simulation:研究人员通过Monte Carlo模拟(1000次重复)在五种场景(不同b,c,δ组合与样本量n=20~300)下以BIAS、MSE、MRE、Dabs、Dmax、ASAE评估十六种估计方法;结果显示MSALDE在较小样本表现优,KE与ADSOE在中大样本及多场景下综合排名靠前(KE总排名1,∑Ranks=49.0;MSALDE总排名2,∑Ranks=95.5),MLE总排名11(∑Ranks=238.5),MSSDE、MSLNDE与PCE表现较差;随样本增大各估计量平均指标下降,证实渐近一致性,KE对尺度参数c估计尤优。
Applications:研究人员用两个真实数据集拟合STL-FRD与八种竞争分布(cotangent-FRD、OEL-FRD、TL-FRD、OGE-IWD、G-IWD、Art-IWD、NArt-FRD、FRD、WD、MWD、MTLD、S-FRD、W-FRD);表3显示对骨癌生存数据,STL-FRD的logLik=-142.3400、AIC=290.6800、KS_stat=0.0915、KS_p=0.5438等均优于多数竞争模型;对轴承寿命数据,STL-FRD的logLik=-112.0554、AIC=230.1109、KS_p=0.9828亦表现最优;表4显示不同数据集最优估计方法不同(骨癌数据CVME最优,轴承数据MLE最优),说明估计方法选择依赖数据特征。
总结讨论部分的研究结论翻译为:Sine Topp-Leone Fréchet分布(STL-FRD)通过融合Sine Topp-Leone-G族与Fréchet分布,以三个参数实现多样密度与风险率形态的灵活表征,克服传统Fréchet分布的刚性局限;Monte Carlo模拟表明Kolmogorov估计量与二阶左尾Anderson–Darling估计量在多数情形下具更优效率与一致性,MSALDE在小样本表现良好;两个真实数据拟合证实STL-FRD的拟合质量优于多种现有Fréchet扩展与相关分布,为复杂数据建模提供有效工具;估计方法的最优选择依赖数据固有特征,需经实证评估确定。