📊 statistics

Maximum likelihood estimation of the Weibull distribution with reduced bias

Este artículo presenta un nuevo estimador de máxima verosimilitud ajustado por sesgo y de fácil cómputo para el parámetro de forma de la distribución Weibull que reduce significativamente el sesgo y mejora la eficiencia en comparación con el estimador de máxima verosimilitud estándar tanto para datos completos como para datos censurados de tipo I.

Autores originales: Enes Makalic, Daniel F. Schmidt

Publicado 2026-07-07

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Enes Makalic, Daniel F. Schmidt

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La visión general: Reparando una regla "oxidada"

Imagine que está tratando de medir la vida útil de las bombillas, la resistencia de los cables eléctricos o cuánto tiempo permanecen las personas fuera de prisión antes de reincidir. Los estadísticos suelen utilizar una herramienta matemática específica llamada distribución de Weibull para dar sentido a estos datos. Esta tiene dos diales principales (parámetros) que deben configurarse:

El Dial de Escala: Qué tan "grandes" son los números (por ejemplo, ¿la vida promedio es de 100 horas o de 1,000 horas?).
El Dial de Forma: Cómo se distribuyen los datos. ¿Es una curva constante y predecible, o una irregular e impredecible?

El Problema:
Cuando los estadísticos utilizan el método estándar (llamado "Estimación de Máxima Verosimilitud" o ML) para girar los diales, el Dial de Escala suele aterrizar en el lugar correcto. Sin embargo, el Dial de Forma es como una regla ligeramente doblada y oxidada. Si tiene un pequeño montón de datos (un tamaño de muestra pequeño), el método estándar siempre estima que el Dial de Forma es demasiado alto. Es como mirar unas pocas fotos borrosas y asumir que todo el paisaje es mucho más empinado de lo que realmente es.

Este artículo presenta una nueva y sencilla "herramienta de calibración" para arreglar esa regla doblada.

La Solución: Una simple "Fórmula de Corrección"

Los autores, Enes Makalic y Daniel Schmidt, derivaron una nueva forma de ajustar el Dial de Forma para que aterrice más cerca de la verdad.

La Analogía del "Ajuste de Sesgo":
Piense en la estimación de ML estándar como un estudiante tomando un examen que consistentemente obtiene la respuesta "10" cuando la respuesta correcta es "8". El estudiante no es tonto; simplemente tiene un error sistemático (sesgo).

Forma Antigua: Usted toma la respuesta del estudiante (10) y la acepta.
Nueva Forma (Este Artículo): Usted tiene una fórmula que dice: "Oye, para este examen específico, resta 2 a la respuesta". Así que toma el 10, le resta 2 y obtiene el 8 correcto.

Los autores encontraron una fórmula matemática para hacer exactamente esto para la distribución de Weibull. Llaman a su nuevo método MMLE (Estimación de Máxima Verosimilitud Modificada).

Cómo funciona en dos escenarios

El artículo aborda dos situaciones comunes en las que se recolectan datos:

1. Datos Completos (La "Boleta de Calificaciones Completa")

Imagine que prueba 20 bombillas hasta que todas se funden. Tiene la vida útil exacta de cada una de ellas.

El Problema: Incluso con 20 bombillas, la matemática estándar sobreestima la "forma" de la curva.
El Arreglo: Los autores proporcionan una fórmula simple (Ecuación 12 en el artículo) que dice: Tome su respuesta estándar y réstele un pequeño porcentaje de la misma.
El Resultado: Esta nueva respuesta es mucho más cercana a la verdad y es igual de confiable (eficiente) que el método antiguo, pero sin el error de la "regla oxidada".

2. Datos Censurados de Tipo I (La "Prueba de Corte")

Esto es más común en la vida real. Imagine que está probando bombillas, pero solo tiene 2 semanas para realizar el experimento.

Algunas bombillas se funden en 5 días (usted conoce el tiempo exacto).
Algunas bombillas siguen brillando después de 14 días (usted solo sabe que sobrevivieron al menos 14 días, pero no sabe cuándo morirán).
Esto se llama datos "censurados".

El Problema: Cuando tiene muchos de estos bulbos "que aún brillan" (censura alta) y un número pequeño de bulbos totales, la matemática estándar se confunde mucho y supone que el Dial de Forma es mucho más alto de lo que es.

El Arreglo: Los autores crearon una versión más compleja de su fórmula de corrección (Ecuación 13) que tiene en cuenta cuántos bulbos fueron "cortados" por el límite de tiempo.
El Resultado: Incluso con datos desordenados e incompletos, su nuevo método corrige la sobreestimación, ofreciendo una imagen mucho más real del comportamiento de las bombillas.

Por qué esto es importante (Según el artículo)

Los autores realizaron miles de simulaciones por computadora para demostrar que su método funciona. Esto es lo que encontraron:

Es más Inteligente: Su nuevo método (MMLE) tiene menos "sesgo" (es menos erróneo) que el método estándar, especialmente cuando se tienen grupos pequeños de datos.
Es más Rápido: Otros investigadores intentaron solucionar este problema ejecutando simulaciones computacionales masivas y complejas (como el bootstrapping) para adivinar la respuesta correcta. El método de los autores es mucho más simple. Es como usar una calculadora en lugar de construir una supercomputadora para resolver un problema matemático.
Es Fácil de Usar: No necesita nuevo software. Si ya tiene un programa que calcula los números de Weibull estándar, puede simplemente aplicar la fórmula de los autores para obtener el número corregido.

Ejemplos del Mundo Real Probados

El artículo no se quedó solo en la teoría; probaron con datos reales:

Cables Eléctricos: Observaron datos sobre cuándo fallaban los cables eléctricos. El método estándar decía que los cables tenían un patrón de falla muy específico y agudo. El método corregido de los autores dijo que el patrón era ligeramente diferente (y probablemente más preciso).
Reincidencia de Prisión: Observaron datos sobre cuánto tiempo permanecían las personas fuera de prisión. Cuando tomaron una pequeña porción de estos datos (simulando un estudio pequeño), el método estándar sobreestimó salvajemente la "forma" del riesgo. El método de los autores corrigió esto, alineando la estimación de la muestra pequeña con lo que mostraba realmente la totalidad de los datos.

Resumen

Este artículo es un "arreglo rápido" para un problema estadístico común. Admite que la forma estándar de medir la "forma" de los datos de supervivencia está ligeramente rota cuando no se tienen una gran cantidad de datos. Los autores proporcionan una fórmula simple y fácil de calcular para enderezar esa regla rota, haciendo que los resultados sean más precisos para científicos y analistas sin requerir que aprendan un software complejo y nuevo.

Resumen Técnico: Estimación de Máxima Verosimilitud de la Distribución de Weibull con Sesgo Reducido

Planteamiento del Problema
La distribución de Weibull es un modelo estándar para datos de supervivencia, caracterizada por un parámetro de forma ( $k$ ) y un parámetro de escala ( $\lambda$ ). Si bien el estimador de máxima verosimilitud (ML) para el parámetro de escala $\lambda$ exhibe un sesgo insignificante incluso en muestras pequeñas, se sabe que el estimador de ML para el parámetro de forma $k$ está fuertemente sesgado al alza, particularmente cuando los tamaños de muestra son pequeños o cuando los datos están sujetos a censura de Tipo I. Los métodos de corrección de sesgo existentes, como los de Ross, Yang y Xie, y Shen y Yang, a menudo dependen de procedimientos complejos basados en simulaciones (por ejemplo, bootstrap), ajuste de funciones no lineales o perfiles de verosimilitud modificados que requieren optimización numérica más allá de las rutinas estándar de ML.

Metodología
Los autores derivan nuevos estimadores de máxima verosimilitud con ajuste de sesgo de primer orden (MMLE) para el parámetro de forma $k$ bajo dos escenarios: datos completos y datos con censura de Tipo I. La metodología se basa en la fórmula de aproximación de sesgo de muestra finita desarrollada por Cox y Snell.

Derivación Teórica:
- Los autores aplican el enfoque de Cordeiro y Klein a la distribución de Weibull para derivar la matriz de información de Fisher esperada ( $K$ ) y la matriz de derivadas de tercer orden esperadas del log-verosimilitud ( $A$ ).
- Para datos completos, derivan una aproximación analítica explícita para el sesgo del estimador de ML de $k$ . Se demuestra que el sesgo es aproximadamente $k \times (1.3795/n)$ .
- Para datos con censura de Tipo I, derivan una fórmula de sesgo más compleja que depende de la proporción de observaciones no censuradas ( $p$ ). Esto involucra la función gamma incompleta y sus derivadas. El factor de ajuste de sesgo resultante, $f(p)/n$ , se aproxima a la constante de datos completos cuando $p \to 1$ y diverge cuando $p \to 0$ .
- El estimador de sesgo reducido se calcula simplemente como $\tilde{k}_{ML} = \hat{k}_{ML} - \text{Sesgo}(\hat{k}_{ML})$ , donde el término de sesgo se evalúa en el estimador de ML estándar.
Ventaja Computacional:
- A diferencia de los métodos competidores (por ejemplo, el ML de perfil de Shen y Yang o las correcciones basadas en bootstrap), el MMLE propuesto no requiere simulación numérica ni reestimación iterativa. Puede calcularse trivialmente utilizando cualquier software que ya implemente la estimación de ML de Weibull aplicando el factor de corrección derivado post-hoc.

Resultos Clave
El artículo valida el estimador propuesto mediante simulaciones extensas ( $10^5$ ejecuciones) y aplicaciones de datos reales.

Simulación (Datos Completos): A través de tamaños de muestra $n \in \{10, 20, 50\}$ y parámetros de forma $k \in \{0.5, 1, 5, 10\}$ , el MMLE reduce significativamente el sesgo en comparación con el ML estándar. También demuestra un Error Cuadrático Medio (MSE) y una divergencia de Kullback–Leibler (KL) menores en comparación con el ML condicional (MLC) de Yang y Xie. Si bien el ML de perfil (MLP) de Shen y Yang muestra un sesgo ligeramente menor en algunos casos, el MMLE logra un MSE y una divergencia KL virtualmente idénticos con una complejidad computacional mucho menor.
Simulación (Datos con Censura de Tipo I): El MMLE supera al ML estándar, al MLC y al MLP en términos de sesgo, MSE y divergencia KL, particularmente para tamaños de muestra pequeños ( $n=20$ ) y proporciones de censura altas ( $p \leq 0.5$ ). Notablemente, el método MLC puede fallar (generando estimaciones negativas) cuando el número de observaciones no censuradas es bajo ( $d < 2$ ), mientras que el MMLE permanece estable.
Aplicaciones de Datos Reales:
- Fallo de Aislamiento de Cables: Al aplicar el método a datos de voltaje de fallo ( $n=20$ ), los estimadores de ML estándar para el parámetro de forma fueron 9.38 y 9.14. Los estimadores del MMLE con ajuste de sesgo fueron 8.74 y 8.51, respectivamente, corrigiendo el sesgo ascendente conocido.
- Reincidencia Criminal: En una submuestra de 20 observaciones con alta censura, el estimador de ML estándar para $k$ fue 1.72, mientras que el MMLE fue 1.39. Este último estuvo mucho más cerca del estimador derivado del conjunto de datos completo (1.37), demostrando la robustez de la corrección de sesgo en muestras pequeñas y fuertemente censuradas.

Significancia y Reivindicaciones
Los autores posicionan este trabajo como una mejora práctica a las herramientas estadísticas existentes. La contribución principal es la derivación de fórmulas de corrección de sesgo explícitas y de forma cerrada para el parámetro de forma de Weibull que son aplicables tanto a datos completos como a datos con censura de Tipo I.

El artículo sostiene que el MMLE propuesto es:

Significativamente menos sesgado y más eficiente que el estimador de ML estándar y el estimador de ML condicional (MLC).
Computacionalmente simple, ya que no requiere optimización numérica adicional ni simulación de bootstrap, lo que permite una fácil integración en paquetes de software existentes que ya realizan el ajuste de ML de Weibull.
Robusto en escenarios donde otros métodos (como el MLC) pueden fallar debido a la insuficiencia de observaciones no censuradas.

Los autores también señalan una contribución secundaria: la derivación de una fórmula novedosa para la divergencia de Kullback–Leibler entre dos distribuciones de Weibull bajo censura de Tipo I, un resultado no ampliamente conocido en la literatura. Si bien el artículo sugiere que la metodología podría extenderse teóricamente a esquemas de censura más complejos (como la censura de intervalo de Tipo I progresiva), reconoce que las expresiones analíticas para estos casos son complicadas y actualmente se manejan mejor mediante implementación numérica en el software existente (por ejemplo, el paquete de R bccp).