📊 statistics

The Complementary Bell-Kumaraswamy-G Family of Distributions: A Flexible Class for Modeling Lifetime and Reliability Data

تقدم هذه الورقة عائلة توزيعات "بيل-كوماراسوامي-جي" التكميلية (CBell-Kw-G) الجديدة، وهي إطار إحصائي مرن لنمذجة بيانات زمن الحياة والموثوقية المعقدة، والتي تم تحليلها بدقة من خلال الاشتقاق النظري، وتقدير الاحتمال الأقصى، والتحقق من صحتها على مجموعات بيانات حقيقية لبقاء مرضى السرطان.

المؤلفون الأصليون: Seyed Jamal Khorashadizadeh, Fatemeh Yousefzadeh

نُشر 2026-08-25

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Seyed Jamal Khorashadizadeh, Fatemeh Yousefzadeh

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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

في عالم البيانات، حيث يحاول العلماء فهم المدة التي تستغرقها الأشياء قبل أن تتعطل، غالبًا ما تقصر الأدوات القياسية عن أداء مهمتها. تخيل محاولة وصف عمر آلة، أو مريض، أو مصباح كهربائي باستخدام شكل واحد جامد؛ فالحياة الواقعية نادرًا ما تكون بهذه البساطة. فأحيانًا، تفشل الأشياء بسرعة ثم ينخفض خطر تعطلها، وفي أحيان أخرى، يبدأ الخطر منخفضًا، ثم يرتفع ليصل إلى ذروة، ثم يتلاشى. هذه الأنماط المعقدة، المعروفة بمعدلات المخاطر (hazard rates)، هي نبض هندسة الموثوقية وتحليل البقاء في المجال الطبي. ولعقود من الزمن، حاول الإحصائيون بناء نماذج رياضية مرنة يمكنها الانحناء والالتواء لتناسب هذه المنحنيات الواقعية الفوضوية. والهدف دائمًا هو نفسه: إيجاد صيغة تلخص القصة الحقيقية لكيفية بقاء الشيء، سواء كان ذلك مريض سرطان في حالة هجوع أو عدد الوفيات اليومي أثناء جائحة.

لقد اتخذ فريق من الباحثين من جامعة بيرجند في إيران خطوة كبيرة للأمام في هذا المسعى من خلال تقديم عائلة جديدة وعالية المرونة من النماذج الإحصائية، أطلقوا عليها اسم "عائلة كوماراسوامي-جي التكميلية بيل" (Complementary Bell-Kumaraswamy-G family). ولفهم ما قاموا به، يجب أولاً تقدير اللبنات الأساسية التي دمجوها؛ فقد بدأوا بطريقة معروفة تسمى "مولد كوماراسوامي" (Kumaraswamy generator)، وهي تشبه قالبًا متعدد الاستخدامات يمكنه تمديد أو ضغط توزيع أساسي ليتناسب مع البيانات الملتوية. وإلى ذلك، أضافوا آلية متجذرة في "توزيع بيل التكميلي" (Complementary Bell distribution)، وهو هيكل يساعد في تفسير الحالات التي قد يكون فيها السبب المحدد للفشل مخفيًا أو حيث تتنافس مخاطر متعددة ضد بعضها البعض. ومن خلال دمج هذين النهجين، أنشأ الباحثون إطارًا رياضيًا جديدًا ليس مجرد تعديل طفيف للنماذج الموجودة، بل أداة قوية قادرة على إنتاج مجموعة واسعة من الأشكال. يمكن لهذا النموذج محاكاة المخاطر المتزايدة، أو المتناقصة، أو منحنى "حوض الاستحمام" الكلاسيكي حيث يكون الخطر مرتفعًا في البداية، ومنخفضًا في المنتصف، ومرتفعًا مرة أخرى في النهاية.

لم يتوقف الباحثون عند الجانب النظري، بل بنوا خريطة رياضية شاملة لهذه العائلة الجديدة. فقد اشتقوا صيغًا لحساب متوسط العمر الافتراضي، وتشتت البيانات، ومقدار عدم اليقين أو "الاضطراب" داخل النظام، وهو مفهوم يُعرف بالإنتروبيا (entropy). كما طوروا طرقًا لتقدير معلمات النموذج باستخدام بيانات حقيقية، واختبروا تحديدًا نهجين مختلفين: طريقة قياسية، ونسخة "معاقبة" (penalized) تضيف حاجزًا رياضيًا صغيرًا لمنع النموذج من المبالغة في رد الفعل تجاه مجموعات البيانات الصغيرة والمشوشة. وللتأكد من فعالية أداة جديدة، أجروا آلاف المحاكاة الحاسوبية. وأظهرت هذه الاختبارات أنه بينما كانت الطريقة القياسية تعاني أحيانًا مع كميات صغيرة من البيانات، مما ينتج نتائج مهتزة، فإن النسخة المعاقبة ظلت ثابتة ودقيقة. وهذا يشير إلى أنه بالنسبة للدراسات الأصغر، فإن النهج المعاقب والأكثر حذرًا هو الخيار الأكثر أمانًا للحصول على إجابات موثوقة.

ولإثبات جدوى النموذج في العالم الحقيقي، طبق الفريق نموذجهم على مجموعتين مختلفتين تمامًا من البيانات عالية المخاطر. تضمنت المجموعة الأولى 89 سجلًا يوميًا لوفيات مؤكدة بسبب كوفيد-19، وهي مجموعة بيانات معروفة بالتقلب والارتفاعات غير المتوقعة. وتضمنت المجموعة الثانية أوقات الهجوع لـ 128 مريضًا بسرطان المثانة، مع تتبع المدة التي ظلوا فيها خاليين من المرض بعد العلاج. وفي كلتا الحالتين، قارن الباحثون نموذجهم الجديد بالعديد من المنافسين الراسخين، بما في ذلك توزيع "ويبُل" (Weibull) القياسي وغيره من المتغيرات الحديثة. وكانت النتائج دالة؛ فبينما ناسب النموذج الجديد البيانات بشكل جيد للغاية، ملتقطًا الأنماط المعقدة للبقاء والفشل، إلا أنه لم يفز دائمًا بجائزة "الأفضل ملاءمة" على الإطلاق. في الواقع، بالنسبة لبيانات الجائحة وبيانات السرطان، قدمت نسخة أبسط قليلاً من نموذجهم، والتي تفتقر إلى طبقة واحدة من التعقيد، مطابقة أفضل هامشيًا للأرقام.

هذه النتيجة جزء حيوي من القصة؛ فهي تشير إلى أنه بينما يعد النموذج الجديد عالي التعقيد مرنًا للغاية وقادرًا على وصف أي نمط تقريبًا، فإنه لا يحتاج دائمًا إلى ذلك التعقيد الإضافي للقيام بالمهمة. فالنسخة الأبسط غالبًا ما حققت نفس المستوى من الدال بدلاً من استخدام أجزاء متحركة أكثر. وهذا درس حيوي في النمذجة الإحصائية: فالبارامترات (المعلمات) الأكثر لا تعني دائمًا نتيجة أفضل. كما استخدم الباحثون نموذجهم للنظر في المخاطر وعدم المساواة؛ حيث حسبوا مقدار عدم اليقين الموجود في أوقات البقاء وقاسوا خطر الأحداث المتطرفة، مثل بقاء المريض لفترة أطول بكثير مما هو متوقع، أو حدوث ارتفاع مفاجئ في عدد الوفيات. ووجدوا أن نموذجهم يمكنه تقدير هذه المخاطر المتطرفة بشكل موثوق، متجنبًا الأخطاء الرياضية التي تسببت في إنتاج نماذج أخرى لنتائج مستحيلة، مثل التباين السلبي.

في النهاية، يؤكد هذا العمل أن عائلة "كوماراسوامي-جي التكميلية بيل" الجديدة هي إضافة قوية إلى أدوات الإحصائيين. فهي توفر وسيلة لنمذجة الواقع الفوضوي وغير الخطي للبقاء والموثوقية بدقة عالية. وتثبت الدراسة أنه من خلال الجمع بين مولدات رياضية مختلفة، يمكن إنشاء توزيع يكون سليمًا تحليليًا ومفيدًا عمليًا في آن واحد. ومع ذلك، فإن البحث يعمل أيضًا كتذكير بأن المرونة لها ثمن؛ فالنموذج الأكثر تعقيدًا ليس دائمًا هو الأفضل، وأحيانًا يكون الهيكل الأبسط كافيًا لنقل الحقيقة حول البيانات. وبالنسبة للعلماء الذين يحللون كل شيء من تفشي الأمراض إلى الأعطال الميكانيكية، توفر هذه العائلة الجديدة خيارًا قويًا، ولكن مع الحكمة في اختيار المستوى المناسب من التعقيد للمشكلة المحددة.

ملخص تقني: عائلة توزيعات بيل-كوماراسوامي-جي المتممة (CBell-Kw-G)

بيان المشكلة
غالبًا ما تواجه النمذجة الإحصائية في هندسة الموثوقية، وتحليل البقاء، والعلوم الاكتوارية، مجموعات بيانات تتميز بسلوكيات معقدة، بما في ذلك الذيول الثقيلة، ودرجات متفاوتة من الالتواء، ومعدلات خطر غير رتيبة (مثل أشكال حوض الاستحمام أو أحادية المنوال). تفتقر التوزيعات الكلاسيكية غالبًا إلى المرونة الهيكلية المطلوبة لالتقاط هذه الفروق الدقيقة. وبينما تم اقتراح العديد من العائلات المعممة (مثل Exponentiated-G، وMarshall-Olkin، وKumaraswamy-G) لمعالجة هذه القيود، لا تزال هناك حاجة لنماذج يمكنها تقديم قابلية تحليلية وتوافق مع القدرة على نمذجة أشكال معدل الخطر المتنوعة من خلال آلية تركيب قوية.

المنهجية
يقترح المؤلفون فئة جديدة من التوزيعات تسمى عائلة بيل-كوماراسوامي-جي المتممة (CBell-Kw-G). يتم بناء هذه العائلة عن طريق تركيب مولد بيل المتمم (Complementary Bell generator) مع آلية كوماراسوامي-جي (Kw-G).

بناء النموذج:

لتكن $G(x; \theta)$ دالة التوزيع التراكمي (CDF) الأساسية مع دالة كثافة الاحتمال (PDF) المعطاة بـ $g(x; \theta)$ .
تُعرف دالة التوزيع التراكمي لـ Kw-G بـ $G_{KwG}(x) = 1 - [1 - G(x; \theta)^a]^b$ ، حيث $a, b > 0$ هما معلمات الشكل.
يُدخل مولد بيل المتمم (CBell-G) معلمة $\lambda > 0$ ويُعرف بـ $F(x) = \frac{\exp(e^{\lambda G(x)} - 1) - 1}{\exp(e^\lambda - 1) - 1}$ .
يتم تشكيل عائلة CBell-Kw-G المقترحة عن طريق استبدال دالة التوزيع التراكمي Kw-G في مولد CBell-G، مما ينتج عنه عائلة مكونة من أربع معلمات (بالإضافة إلى معلمات الأساس) بدالة توزيع تراكمي:
$F(x; \lambda, a, b, \theta) = \frac{\exp(e^{\lambda G_{KwG}(x)} - 1) - 1}{\exp(e^\lambda - 1) - 1}$

التطوير النظري:

التمثيل الخطي: يشتق المؤلفون تمثيلاً خطياً لانهائياً لدالة كثافة الاحتمال (PDF) ودالة التوزيع التراكمي (CDF) بدلالة كثافات Exponentiated-G. يسمح هذا بتمثيل الخصائص المعقدة لهذه العائلة الجديدة كمجموع أوزان لكثافات الأساس الأبسط.
الخصائص الإحصائية: يتم اشتقاق الأشكال الصريحة للعزوم، والعزوم غير المكتملة، ودالة توليد العزوم (MGF)، ودوال الكم (quantile functions).
مقاييس الإنتروبيا: توفر الورقة تعبيرات مغلقة لشانون إنتروبيا (Shannon entropy) وإنتروبيا ريني (Rényi entropy)، باستخدام التمثيل الخطي للتعامل مع بنية الكثافة المعقدة.
منحنيات عدم المساواة: تم إنشاء الاشتقاقات النظرية لمنحنيات لورينز (Lorenz)، وبونفيروني (Bonferroni)، وزينجا (Zenga) لتحليل عدم المساواة والتركيز داخل التوزيع.
التقدير: يتم استخدام تقدير الإمكان الأعظم (MLE) للاستدلال على المعلمات. تم اشتقاق دوال الدرجة (score functions) لجميع المعلمات، ويُوصى بالتحسين العددي (Newton-Raphson, BFGS) لحل معادلات الإمكان غير الخطية.

الحالة الخاصة:

تم تطوير توزيع بيل-كوماراسوامي-ويبل المتمم (CBell-Kw-W) كنموذج فرعي محدد باختيار توزيع ويبل (Weibull) كنموذج أساسي. يتم تحليل هذا النموذج بعمق من حيث سلوكه التقاربي، وأشكال معدل الخطر، وصيغ الإنتروبيا الخاصة به.

دراسة المحاكاة:

أُجريت دراسة محاكاة مونت كارلو ( $N=10,000$ تكرار) لتقييم أداء مقدرات MLE ومقدرات الإمكان الأعظم المعاقبة (PMLEs) عبر أحجام عينات مختلفة ( $n=30, 50, 100, 200$ ) وتكوينات المعلمات.
تم استخدام مقاييس الأداء: الانحياز التجريبي ومتوسط مربع الخطأ (MSE).

التطبيق التجريبي:

طُبق النموذج على مجموعتي بيانات من العالم الحقيقي: حالات الوفاة اليومية المؤكدة لمرض كوفيد-19 ( $n=89$ ) وأوقات هجوع سرطان المثانة ( $n=128$ ).
تمت مقارنة نموذج CBell-Kw-W بخمسة نماذج منافسة: CBell-Weibull (CBell-WD)، وAlpha-Power Weibull (APWD)، وWeibull (WD) القياسي، وExponentiated Weibull (ExpWD)، وCBell-Exponentiated Weibull (CBell-EXWD).
تم تقييم جودة المطابقة باستخدام اختبارات أندرسون-دارلينج (AD)، وكرامير-فون ميزس (CVM)، وكولموغروف-سميرنوف (KS)، جنباً إلى جنب مع معايير المعلومات (AIC, CAIC, BIC, HQIC).

النتائج الرئيسية

المرونة النظرية: تسمح العائلة CBell-Kw-G بتمثيل خطي يسهل اشتقاق العزوم والدوال المولدة دون اللجوء إلى التكامل العددي البحت. وقد تبين أن دالة معدل الخطر لنموذج CBell-Kw-W الفرعي يمكنها استيعاب أشكال متزايدة، متناقصة، شكل حوض الاستحمام، وأحادية المنوال.
أداء التقدير: تشير دراسة المحاكاة إلى أنه بينما تكون مقدرات MLE متسقة (ينخفض الانحياز وMSE مع زيادة $n$ )، إلا أنها قد تظهر عدم استقرار وانحيازاً عالياً في العينات الصغيرة ( $n < 100$ ). أظهرت طريقة PMLE استقراراً فائقاً، وانحيازاً أقل، وMSE أقل، خاصة بالنسبة لمعلمات الشكل في أنظمة العينات الصغيرة.
المطابقة التجريبية:
- لكل من مجموعتي بيانات كوفيد-19 وسرطان المثانة، قدم نموذج CBell-Kw-W مطابقة مقبولة وكافية إحصائياً، مع قيم p غير معنوية عبر جميع اختبارات جودة المطابقة.
- ومع ذلك، فإن نموذج CBell-WD (وهو نموذج أبسط مكون من ثلاث معلمات) قدم باستمرار إحصائيات جودة مطابقة أفضل قليلاً وقيم معايير معلومات (AIC, BIC) أقل من نموذج CBell-Kw-W المكون من خمس معلمات في كلا التطبيقين. وهذا يشير إلى أنه بينما تعزز المعلمات الإضافية لـ CBell-Kw-W المرونة النظرية، فإن النموذج الأبسط CBell-WD كان كافياً لالتقاط الميزات الهيكلية الرئيسية لهذه المجموعات من البيانات، ولم يتفوق النموذج المقترح بشكل صارم على البديل الأبسط في هذه الاختبارات التجريبية.
- فشلت النماذج القياسية مثل Weibull (WD) وAlpha-Power Weibull (APWD) في التقاط أنماط البيانات، كما ظهر من خلال إحصائيات المطابقة الضعيفة، وفي حالة APWD، ظهور شذوذ عددي (تباين ذيل سالب).
تحليل المخاطر والإنتروبيا: أنتج نموذج CBell-Kw-W تقديرات مخاطر مستقرة وذات معنى فيزيائي (VaR, TVaR)، والتقط بفعالية عدم تجانس البيانات، كما يتضح من منحنيات لورينز وزينجا. وأكد تحليل الإنتروبيا أن مجموعة بيانات كوفيد-19 أظهرت عدم يقين وتشتتاً أعلى مقارلة ببيانات سرطان المثانة.

الأهمية والادعاءات
يدعي البحث أن عائلة CBell-Kw-G تقدم بديلاً قوياً ومرناً للنمذجة في تحليل الموثوقية والبقاء. تكمن أهميتها الأساسية في:

تعدد الاستخدامات الهيكلية: القدرة على نمذجة أشكال متنوعة لمعدل الخطر والبيانات ذات الذيول الثقيلة من خلال تركيب آليتي بيل وكماراسوامي.
القابلية للتحليل: توفير تمثيل خطي يسهل حساب الخصائص الإحصائية المعقدة (العزوم، الإنتروبيا، الإحصاءات المرتبة) دون اللجوء إلى التكامل العددي البحت.
المنفعة العملية: قدرة النموذج على تقديم مطابقات تنافسية لبيانات البقاء في العالم الحقيقي، وغالباً ما يلتقط سلوك الذيل وعدم التجانس بفعالية، رغم أن النموذج الفرعي CBell-Kw-W لم يتفوق على CBell-WD الأبسط في التطبيقات التجريبية المختبرة.
استقرار التقدير: إثبات أن طرق التقدير المعاقبة (PMLE) يمكن أن تخفف بفعالية من مشاكل التقارب والانحياز المرتبطة غالباً بالتوزيعات المعممة ذات المعلمات العالية في العينات الصغيرة.

يخلص المؤلفون إلى أنه بينما لم يتفوق نموذج CBell-Kw-W تحديداً على نموذج CBell-WD الأبسط في هذه التطبيقات التجريبية، فإن عائلة CBell-Kw-G الأوسع توفر إطاراً قيماً للنمذجة المستقبلية لبيانات العمر المعقدة، مع إمكانات للتوسع في الإعدادات ثنائية/متعددة المتغيرات وصيغ الانحدار.

أبحاث مشابهة