🔢 mathematics

On the cumulative residual interval entropy of doubly truncated random variables

تقدم هذه الورقة البحثية إنتروبيا الفترة المتبقية التراكمية (CRIE) كمقياس جديد لعدم اليقين للمتغيرات العشوائية ذات البتر المزدوج، حيث تؤسس خصائصها النظرية، وتمثيلاتها المتنوعة القائمة على مقاييس الموثوقية، وتستنتج النتائج المتعلقة بالحدود والرتابة.

المؤلفون الأصليون: Stathis Chadjiconstantinidis, Apostolos Bozikas

نُشر 2026-03-18

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Stathis Chadjiconstantinidis, Apostolos Bozikas

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول تخمين المدة التي سيستغرقها مصباح كهربائي ليعمل.

في عالم الإحصاء، هناك مفهوم يسمى الاعتلاج (Entropy). فكر في الاعتلاج على أنه مقي de لـ الارتباك أو عدم اليقين. إذا كنت لا تعرف شيئاً على الإطلاق عن موعد تعطل المصباح، فإن حالة عدم اليقين لديك تكون عالية. وإذا كنت تعرف بالضبط متى سيتعطل، فإن حالة عدم اليقين لديك تكون صفراً.

لفترة طويلة، استخدم العلماء أداة قياسية (اعتلاج شانون - Shannon's Entropy) لقياس هذا الارتباك. لكن هذه الأداة كان بها عيب: فقد كانت تتطلب معرفة "الشكل" الدقيق لمنحنى الفشل، وهو أمر يشبه محاولة تخمين حالة الطقس من خلال النظر إلى قطرة مطر واحدة؛ وهو أمر يصعب ضبطه بدقة.

لاحقاً، تم اختراع أداة أفضل تسمى الاعتلاج التراكمي المتبقي (Cumulative Residual Entropy - CRE). وبدلاً من النظر إلى الشكل الدقيق للمنحنى، نظرت هذه الأداة إلى المساحة تحت منحنى "البقاء". الأمر يشبه قياس إجمالي "وقت البقاء" المتبقي في النظام. كان هذا أسهل في الحساب وأعطى دائماً رقماً موجباً.

ولكن هنا تكمن المشكلة التي تحلها هذه الورقة البحثية:

تخيل أنك تقوم بفحص دفعة من المصابيح الكهربائية:

أنت تعلم أنها كانت تعمل بالفعل لمدة 5 ساعات (أي أنها لم تتعطل فوراً).
وتعلم أيضاً أنه إذا لم تتعطل بحلول 10 ساعات، فستتوقف عن فحصها (ربما لأن المصنع يغلق أبوابه، أو لأنك تهتم فقط بالمصابيح التي تتعطل خلال تلك النافذة الزمنية المحددة).

أنت تنظر إلى حالة "مبتورة من الجانبين" (double-truncated). أنت لا تهتم بالساعات الخمس الأولى (لأنها نجت)، ولا تهتم بأي شيء بعد الساعة العاشرة (لأنك توقفت عن المراقبة). أنت تهتم فقط بعدم اليقين المتعلق بالفشل بين الساعة 5 والساعة 10.

الأدوات القديمة (شانون وCRE) لم تُصمم لهذا "الشريحة الوسطى" من الوقت. لقد صُممت لـ "من البداية وإلى الأبد" أو "من الآن وإلى الأبد".

الحل الجديد: CRIE

ابتكر مؤلفا هذه الورقة، ستاثيس وأبوستولوس، أداة جديدة تسمى الاعتلاج التراكمي المتبقي للفترات (Cumulative Residual Interval Entropy - CRIE).

فكر في CRIE كـ مقياس متخصص لعدم اليقين يعمل فقط على شريحة زمنية محددة.

التشبيه: تخيل فيلماً سينمائياً.
- الاعتلاج القديم: يقيس الارتباك في الفيلم بأكمله من البداية إلى النهاية.
  يدين بالفضل لـ الاعتلاج الديناميكي: يقيس الارتباك من المشهد الحالي وحتى النهاية.
- CRIE (الأداة الجديدة): يقيس الارتباك فقط خلال مشهد معين، لنقل "مشهد المطاردة" بين الدقيقة 20 والدقيقة 30. إنه يتجاهل كل ما قبل ذلك وما بعده.

لماذا يعد هذا مفيداً؟

توضح الورقة البحثية أن هذا الأمر بالغ الأهمية في الحالات الواقعية حيث تكون البيانات "مقطوعة" من كلا الطرفين:

التأمين: قد تدفع شركة التأمين التعويض فقط إذا كانت المطالبة تتراوح بين 500 دولار و5,000 دولار. هم لا يهتمون بالمطالبات الصغيرة (أقل من 500 دولار) أو المطالبات الضخمة (أكثر من 5,000 دولار). يساعد CRIE في حساب عدم اليقين المتعلق بالخسائر ضمن هذا النطاق حصراً.
الدراسات الطبية: في دراسة حول مرض ما، قد يمتلك الباحثون بيانات فقط للمرضى الذين أصيبوا بين شهري يناير ومارس. هم لا يعرفون شيئاً عن المرضى الذين أصيبوا قبل أو بعد هذه الفترة. يساعد Crie في تحليل عدم اليقين المتعلق بتطور المرض ضمن تلك النافذة الزمنية المحددة فقط.
اختبار المنتجات: قد يقوم مصنع باختبار منتج لمدة 100 ساعة. إذا تعطل قبل 10 ساعات، فهذا يعتبر عيباً تصنيعياً. وإذا استمر لأكثر من 100 ساعة، يتوقفون عن الاختبار. هم يريدون معرفة عدم اليقين المتعلق بالفشل بين الساعة 10 والساعة 100.

ماذا فعلوا فعلياً في الورقة البحثية؟

لم يكتفِ المؤلفان باختراع الأداة فحسب، بل وضعا لها "دليل مستخدم" كاملاً:

ربط النقاط ببعضها: أظهرا كيف يرتبط عدم اليقين في هذه "الشريحة" الجديدة بمفاهيم أخرى معروفة، مثل "متوسط العمر المتبقي" (وهو متوسط الوقت المتبقي ليعيش النظام الذي نجا لفترة معينة بالفعل).
بناء حواجز أمان (الحدود): بما أن حساب CRIE يمكن أن يكون معقداً رياضياً، فقد حددا السيناريوهات "الأفضل" و"الأسوأ". لقد أثبتا أن عدم اليقين لا يمكن أن يكون أعلى من حد معين أو أقل من حد آخر، مما يعطي العلماء نطاقاً آمناً للعمل ضمنه.
التحقق من الأنماط: درسا كيف يتغير عدم اليقين مع تحرك نقاط البداية والنهاية لنافذة الوقت الخاصة بك. هل يرتفع الارتباك أم ينخفض مع مرور الوقت أثناء مشاهدة "الفيلم"؟ لقد وجدا قواعد توضح متى يحدث ذلك.
اختبار الأداة: قاما بإجراء العمليات الحسابية على أشكال شائعة من البيانات (مثل التوزيع الأسي، وهو شائع في اختبارات الموثوقية) لإظهار كيف تسلك الأرقام سلوكها.

الصورة الكبيرة

ببساطة، تقول هذه الورقة البحثية: "أحياناً، لسنا بحاجة لمعرفة القصة بأكملها لنفهم حالة عدم اليقين. نحن نحتاج فقط لفهم الفصل المحدد الذي نقرأه حالياً."

لقد صنعوا عدسة مكبرة رياضية (CRIE) تسمح لنا بالتركيز على فترة زمنية محددة، وقياس الارتباك داخل تلك الفترة، واتخاذ قرارات أفضل بشأن التأمين، والموثوقية، والمخاطر، حتى عندما تكون بياناتنا غير مكتملة من كلا الجانبين.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "حول إنتروبيا الفترة المتبقية التراكمية للمتغيرات العشوائية ذات البتر المزدوج" من إعداد ستاثيس تشاديكونستانتينيديس وأبوستولوس بوزيكاس.

1. بيان المشكلة والدوافع

تعالج الورقة البحثية الحاجة إلى مقاييس عدم اليقين في السيناريوهات التي تكون فيها البيانات مبترة بشكل مزدوج (أي أن الملاحظات متاحة فقط ضمن فترة محددة $[\tau_1, \tau_2]$ ).

السياق: في مجالات مثل هندسة الموثوقية، وتحليل البقاء، والعلوم الاكتوارية، والاقتصاد، غالباً ما يتم رصد الأنظمة فقط بعد بقائها لفترة معينة ( $\tau_1$ ) وقبل فشلها أو بترها عند وقت لاحق ( $\tau_2$ ).
قصور المقاييس الحالية:
- إنتروبيا شانون ( $S(X)$ ): تتطلب تقدير الكثافة ويمكن أن تكون سالبة.
- الإنتروبيا المتبقية التراكمية (CRE, $E(X)$ ): المعرفة من قبل راو وآخرون، وهي غير سالبة ولكنها تنطبق على الدعم الكامل $[0, \infty)$ .
- الإنتروبيا المتبقية التراكمية الديناميكية ( $E(X; t)$ ): المعرفة من قبل أسادي وزوهريفاند، وهي تعالج البتر من اليسار (العمر المتبقي بعد الوقت $t$ ) ولكنها لا تأخذ في الاعكن حساب الحد العلوي (البتر من اليمين).
الفجوة: لم يكن هناك مقياس مستقر لعدم اليقين لمتغير عشوائي $X$ مشروط بالحدث $\tau_1 \le X \le \tau_2$ يستخدم دالة البقاء التراكمية بدلاً من دالة كثافة الاحتمال.

2. المنهجية والتعريفات

قدم المؤلفان مقياساً جديداً لنظرية المعلومات يسمى إنتروبيا الفترة المتبقية التراكمية (CRIE).

التعريف الرئيسي

ليكن $X$ متغيراً عشوائياً غير سالب، مستمر مطلقاً، مع دالة بقاء $\bar{F}_X(x)$ . يتم تعريف المتغير العشوائي المبتر مزدوجاً كـ $X_{\tau_1, \tau_2} = X \mid \tau_1 \le X \ \le \tau_2$ .
تُعرف CRIE، ويرمز لها بـ $H(X; \tau_1, \tau_2)$ ، بأنها الإنتروبيا المتبقية التراكمية لهذا المتغير المبتر:
$H(X; \tau_1, \tau_2) = -\int_{\tau_1}^{\tau_2} \bar{F}_{X_{\tau_1, \tau_2}}(x) \ln \bar{F}_{X_{\tau_1, \tau_2}}(x) \, dx$
حيث أن $\bar{F}_{X_{\tau_1, \tau_2}}(x) = \frac{\bar{F}_X(x) - \bar{F}_X(\tau_2)}{\bar{F}_X(\tau_1) - \bar{F}_X(\tau_2)}$ .

ملاحظة: صحح المؤلفون صراحةً مفهوماً خاطئاً شائعاً في الأدبيات (الملاحظة 1) حيث استخدمت الدراسات السابقة صيغة دالة بقاء غير صحيحة للمتغيرات المبترة. لقد عرفوا المقياس بناءً على دالة البقاء الشرطية الصحيحة.

المفاهيم المساعدة

لاشتقاق خصائص CRIE، تستخدم الورقة:

معدل الفشل المعمم (GFR): $h_{X,1}(\tau_1, \tau_2) = \frac{f_X(\tau_1)}{\bar{F}_X(\tau_1) - \bar{F}_X(\ \tau_2)}$ .
متوسط العمر المتبقي ذو البتر المزدوج (DTMRL): $m_{X,1}(\tau_1, \tau_2) = E[X - \tau_1 \mid \tau_1 \le X \le \tau_2]$ .
تحويل الريليفايشن (Relevation Transform): تحويل يُستخدم لربط الإنتروبيا بمتوسط المتغيرات المحولة.

3. المساهمات والنتائج الرئيسية

أ. الخصائص والتمثيلات الأساسية

تؤسس الورقة عدة تمثيلات بديلة لـ $H(X; \tau_1, \tau_2)$ ، تربطها بمقاييس الموثوقية الراسخة:

العلاقة مع DTMRL: $H(X; \tau_1, \tau_2) = E[m_{X,1}(X, \tau_2) \mid \tau_1 \le X \le \tau_2]$ . وهذا يوضح أن CRIE هي القيمة المتوقعة لمتوسط العمر المتبقي للمتغير المبتر.
تمثيل التباين (Covariance): $H(X; \tau_1, \tau_2) = \text{Cov}(X, -\ln[\bar{F}_X(X) - \bar{F}_X(\tau_2)] \mid \tau_1 \le X \le \tau_2)$ .
تحويل الريليفايشن: يتم التعبير عن CRIE كفرق بين متوسط تحويل الريليفايشن للمتغير المبتر وبين DTMRL الخاص به:
$H(X; \tau_1, \tau_2) = \int_{\tau_1}^{\tau_2} (\bar{F}_{X_{\tau_1, \tau_2}} \# \bar{F}_{X_{\tau_1, \tau_2}})(x) \, dx - m_{X,1}(\tau_1, \tau_2)$
الثبات تحت التحويل: تم تحليل سلوك CRIE تحت التحويلات المتزايدة $\phi(X)$ ، مما يوضح كيفية قياس المقياس مع التحويلات الخطية ( $aX+b$ ).

ب. الحدود والمتباينات

استنتج المؤلفون حدوداً عليا وسفلى صارمة لـ CRIE، وهي ضرورية للتقدير العملي عندما يكون التكامل التحليلي صعباً:

حد التباين: $H(X; \tau_1, \tau_2) \le \sqrt{\text{Var}(X \mid \tau_1 \le X \le \tau_2)}$ .
حدود متوسط العمر المتبقي:
- حد علوي يتضمن اللوغاريتم لنسبة طول الفترة إلى DTMRL.
- حدود دنيا تتضمن إنتروبيا الفترة (إنتروبيا شانون) و DTMRL.
الترتيب العشوائي: إذا كان $X \le_{lr} Y$ (ترتيب نسبة الاحتمال)، فقد تم وضع متباينات محددة تربط بين $H(X)$ و $H(Y)$ ، بما في ذلك مقياس تباعد "كولباك-ليبلر المتبقي التراكمي للفترة (CRIKL)".

ج. الرتابة وفئات التوزيع الجديدة

قدمت الورقة فئتين جديدتين من التوزيعات بناءً على رتابة CRIE بالنسبة لنقطة البتر السفلى $\tau_1$ :

ICRIE (إنتروبيا فترة متبقية تراكمية متزايدة): $H(X; \tau_1, \tau_2)$ تزداد مع زيادة $\tau_1$ .
DCRIE (إنتروبيا فترة متبقية تراكمية متناقصة): $H(X; \tau_1, \tau_2)$ تتناقص مع زيادة $\tau_1$ .

نظريات رئيسية حول الرتابة:

التوصيف: يكون $X$ من نوع ICRIE (أو DCRIE) إذا وفقط إذا كان $H(X; \tau_1, \tau_2) \ge (\le) m_{X,1}(\tau_1, \tau_2)$ .
خصائص الانغلاق:
- فئات ICRIE/DCRIE مغلقة تحت التحويلات الخطية المتزايدة.
- فئة DCRIE مغلقة تحت التحويلات المحدبة المتزايدة.
العلاقة مع معدلات الفشل: إذا كان معدل الفشل المعمم $h_{X,1}$ متناقصاً (متزايداً)، فإن $X$ ينتمي إلى فئة DCRIE (أو ICRIE).

4. الأهمية والتطبيقات

التقدم النظري: تعمم الورقة الإنتروبيا المتبقية التراكمية (CRE) والإنتروبيا المتبقية التراكمية الديناميكية لحالة البتر المزدوج، مما يوفر إطاراً رياضياً صارماً لعدم اليقين القائم على الفترة.
المنفعة العملية:
- الموثوقية: أساسية لتحليل الأنظمة ذات فترات الفحص أو فترات الضمان حيث تُعرف أوقات الفشل فقط بأنها تقع ضمن نافذة زمنية.
- العلوم الاكتوارية: قابلة للتطبيق مباشرة في النماذج التأمينية التي تتضمن خصومات الامتياز وحدود السياسة (على سبيل المثال، الخسائر بين $d$ و $u$ ).
- جودة المطابقة (Goodness-of-Fit): يوفر تباعد CRIKL المقترح أداة إحصائية جديدة لاختبار الفرضيات حول دالات التوزيع في سيناريوهات البيانات المبترة.
الجدوى الحسابية: من خلال توفير حدود تعتمد على التباين ومتوسط العمر المتبقي، تقدم الورقة طرقاً عملية لتقدير عدم اليقين دون الحاجة إلى عمليات تقدير معقدة للكثافة.

الخاتمة

نجح تشاديكونستانتينيديس وبوزيكاس في تعريف وتوصيف إنتروبيا الفترة المتبقية التراكمية (CRIE). وقد أثبتوا أن هذا المقياس هو مقياس لعدم اليقين قوي وغير سالب يعمم مقاييس الإنتروبيا الموجودة. ومن خلال وضع الحدود، وخصائص الترتيب العشوائي، وفئات التوزيع الجديدة (ICRIE/DCRIE)، توفر الورقة مجموعة أدوات شاملة للباحثين والممارسين الذين يتعاملون مع البيانات المبترة مزدوجاً في تحليل الموثوقية والمخاطر.