🔢 mathematics

On the cumulative residual interval entropy of doubly truncated random variables

Dit artikel introduceert en analyseert de cumulatieve resterende intervalentropie (CRIE), een nieuwe onzekerheidsmaat voor dubbel getruncateerde continue toevalsvariabelen die bestaande entropieconcepten generaliseert en waarvan eigenschappen, representaties en grenswaarden worden onderzocht.

Oorspronkelijke auteurs: Stathis Chadjiconstantinidis, Apostolos Bozikas

Gepubliceerd 2026-03-18

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Stathis Chadjiconstantinidis, Apostolos Bozikas

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De "Onzekerheidsmeter" voor een Leven in Huisjes

Een verhaal over Cumulative Residual Interval Entropy (CRIE)

Stel je voor dat je een onbekende reis maakt. In de wereld van statistiek en kansrekening noemen we de onzekerheid over hoe lang die reis duurt "entropie". Normaal gesproken meten we dit vanaf het begin (tijd 0) tot het einde. Maar wat als je pas op de reis bent gestapt, of wat als je weet dat de reis ergens tussen twee specifieke punten moet eindigen?

De auteurs van dit artikel, Stathis en Apostolos, hebben een nieuwe meetlat ontworpen voor precies deze situatie. Ze noemen het CRIE (Cumulative Residual Interval Entropy). Laten we kijken wat dit betekent, zonder ingewikkelde formules.

1. Het Probleem: De "Gaten" in je Data

Stel je voor dat je een onderzoek doet naar hoe lang mensen leven.

Situatie A: Je kijkt naar pasgeborenen. Je weet alles vanaf dag 1. (Dit is de oude manier van meten).
Situatie B: Je kijkt naar mensen die al 60 zijn. Je weet dat ze 60 zijn geworden, maar je weet niet hoe oud ze precies worden. Je kijkt alleen naar de rest van hun leven.
Situatie C (Het nieuwe stukje): Stel, je kijkt naar een groep mensen die je alleen hebt kunnen observeren tussen hun 60e en 80e. Je weet niet hoe oud ze waren toen ze begonnen (misschien waren ze 50, misschien 55), en je weet niet wat er na hun 80e gebeurde. Je hebt alleen data voor dat specifieke tijdvenster.

In het dagelijks leven gebeurt dit vaak:

Verzekeringen: Een verzekering betaalt alleen als een schade tussen een minimum (bijv. €500) en een maximum (bijv. €50.000) ligt. Alles daarbuiten wordt genegeerd.
Medische studies: Je kijkt naar patiënten die een ziekte hebben, maar je hebt alleen gegevens over de periode tussen de diagnose en de eerste follow-up.

De oude meetlaten werken hier niet goed. De auteurs zeggen: "We hebben een nieuwe liniaal nodig die precies past in dat gat tussen twee punten."

2. De Oplossing: De CRIE (De "Interval-Onzekerheidsmeter")

De CRIE is die nieuwe liniaal. Het meet hoeveel "verrassing" of "onzekerheid" er nog overblijft voor een systeem dat we weten dat het in een bepaald interval (tussen tijd $\tau_1$ en $\tau_2$ ) faalt of stopt.

De Analogie van de Verkeersdrukte:
Stel je voor dat je in de file staat.

De oude entropie vraagt: "Hoe lang duurt de file vanaf het begin tot het einde?"
De dynamische entropie vraagt: "Ik sta al 10 minuten in de file, hoe lang duurt het nog?"
De CRIE vraagt: "Ik weet alleen dat ik tussen de 10e en de 20e kilometer in de file zit. Hoe onzeker is het precies waar ik nu ben en hoe lang het nog duurt om die 20e kilometer te bereiken?"

De CRIE helpt ons te begrijpen hoe "chaotisch" of "voorspelbaar" een situatie is, als we alleen een deel van het verhaal kennen.

3. Waarom is dit nuttig? (De "Waarom"-vraag)

De auteurs laten zien dat deze nieuwe meting niet zomaar een wiskundig raadsel is, maar echte toepassingen heeft:

Betrouwbare Producten: Als een fabrikant weet dat een product tussen maand 12 en maand 24 vaak defect gaat, kan de CRIE helpen om te voorspellen hoe onzeker de levensduur is in die specifieke periode. Dit helpt bij het plannen van onderhoud.
Verzekeringen: Verzekeraars betalen vaak alleen voor schade binnen een bepaald bedrag. De CRIE helpt hen te berekenen hoeveel risico ze lopen voor precies dat bedrag, zonder zich zorgen te maken over de extreme uitzonderingen (zeer kleine of zeer grote schade).
Medische Vooruitzichten: Bij ziektes zoals COVID-19 kijken onderzoekers soms alleen naar de tijd tussen infectie en herstel, of tussen diagnose en overlijden. De CRIE kan helpen om de onzekerheid in die specifieke periode te kwantificeren.

4. De "Magische Formules" (Vereenvoudigd)

In het paper worden veel formules gebruikt, maar de kernboodschap is simpel:

Relatie met gemiddelde levensduur: De onzekerheid (CRIE) hangt direct samen met de gemiddelde tijd die nog over is. Als de gemiddelde resterende tijd stabiel is, is de onzekerheid anders dan wanneer die tijd wild fluctueert.
Grenzen (Bounds): De auteurs hebben "boven- en ondergrenzen" bedacht. Stel je voor dat je de exacte lengte van een vis niet kunt meten, maar je weet wel dat hij niet langer is dan een plank en niet korter dan een streepje. De CRIE geeft je die plank en dat streepje, zodat je weet waar je ongeveer zit.
Vergelijken: Je kunt met de CRIE twee verschillende systemen vergelijken. Welke is onzekerder? Bijvoorbeeld: Is een goedkoop product onzekerder in zijn levensduur dan een duur product, als we alleen kijken naar de eerste twee jaar?

5. Conclusie: Een Nieuw Kijkje op het Oude

Kortom, dit artikel introduceert een slimme manier om naar onzekerheid te kijken wanneer we niet het hele verhaal hebben, maar alleen een stukje in het midden.

Het is alsof je een film kijkt, maar je mist de eerste en de laatste scène. De oude methoden zeggen: "We kunnen de film niet begrijpen." De auteurs van dit paper zeggen: "Nee, we kunnen de film wel begrijpen, we hebben alleen een nieuwe bril nodig om te kijken naar wat er precies in dat gemiste stukje gebeurt."

Deze "nieuwe bril" (de CRIE) helpt wetenschappers, verzekeraars en ingenieurs om betere beslissingen te nemen, zelfs als hun data niet perfect is. Het maakt het mogelijk om de chaos in een beperkt tijdskader te ordenen en te meten.

Titel: Over de cumulatieve residuale intervalentropie van dubbel afgeknotte stochastische variabelen

Auteurs: Stathis Chadjiconstantinidis en Apostolos Bozikas
Instelling: Departement Statistiek en Verzekeringswetenschap, Universiteit van Piraeus, Griekenland.

1. Probleemstelling en Achtergrond

Entropie is een fundamenteel concept in de informatietheorie en statistiek dat de onzekerheid van een stochastische variabele kwantificeert. Traditionele maatstaven zoals de Shannon-entropie en de cumulatieve residuale entropie (CRE) zijn echter niet altijd geschikt voor specifieke scenario's in de betrouwbaarheidstheorie, verzekeringswiskunde en overlevingsanalyse.

In veel praktische situaties zijn data niet volledig beschikbaar; ze zijn beperkt tot een specifiek tijdsinterval. Dit komt voor in:

Dubbele truncatie: Een systeem wordt geobserveerd tussen twee tijdstippen $\tau_1$ en $\tau_2$ (bijv. een product dat pas na een bepaalde gebruiksduur in de markt komt en tot een bepaalde datum wordt gecontroleerd).
Verzekeringen: Uitkeringen die alleen worden betaald als de schade binnen een franchise en een verzekeringslimiet valt.
Medische studies: Data over de tijd tussen infectie en overlijden, waarbij alleen gevallen binnen een bepaald waarnemingsvenster bekend zijn.

Bestaande maatstaven zoals de dynamische CRE (voor een variabele die ouder is dan $t$ ) of de intervalentropie (gebaseerd op de dichtheidsfunctie) dekken deze situatie niet volledig of hebben beperkingen (zoals het vereisen van dichtheidschattingen of het kunnen aannemen van negatieve waarden). Er is behoefte aan een nieuwe maatstaf die specifiek is ontworpen voor dubbel afgeknotte continue stochastische variabelen ( $X | \tau_1 \le X \le \tau_2$ ) en gebaseerd is op de overlevingsfunctie in plaats van de dichtheidsfunctie.

2. Methodologie

De auteurs introduceren een nieuwe onzekerheidsmaatstaf: de Cumulative Residual Interval Entropy (CRIE), genoteerd als $H(X; \tau_1, \tau_2)$ .

Definitie: De CRIE wordt gedefinieerd als de CRE van de dubbel afgeknotte variabele $X_{\tau_1, \tau_2}$ .
$H(X; \tau_1, \tau_2) = -\int_{\tau_1}^{\tau_2} \bar{F}_{X_{\tau_1, \tau_2}}(x) \ln \bar{F}_{X_{\tau_1, \tau_2}}(x) dx$
Waarbij $\bar{F}_{X_{\tau_1, \tau_2}}(x)$ de overlevingsfunctie is van de variabele binnen het interval. Dit generaliseert zowel de CRE (Rao et al.) als de dynamische CRE (Asadi en Zohrevand).
Theoretisch Kader:
- De auteurs analyseren de relatie tussen de CRIE en de generaliseerde uitvalrate (GFR) $h_{X,1}(\tau_1, \tau_2)$ en de dubbel afgeknotte gemiddelde resterende levensduur $m_{X,1}(\tau_1, \tau_2)$ .
- Er worden stochastische ordeningen gebruikt (zoals likelihood ratio order en hazard rate order) om vergelijkingen tussen verschillende verdelingen te maken.
- De relevation transform (herhalingstransformatie) wordt gebruikt om alternatieve representaties af te leiden.

3. Belangrijkste Bijdragen en Resultaten

A. Representaties en Eigenschappen

De paper levert verschillende alternatieve vormen voor de CRIE die nuttig zijn voor berekeningen en afleidingen:

Verwachte waarde: $H(X; \tau_1, \tau_2)$ is gelijk aan de verwachte waarde van de dubbel afgeknotte gemiddelde resterende levensduur, gegeven dat de variabele in het interval valt:
$H(X; \tau_1, \tau_2) = E[m_{X,1}(X, \tau_2) \mid \tau_1 \le X \le \tau_2]$
Covariantie: Een representatie in termen van de covariantie tussen de variabele $X$ en de logaritme van de overlevingsfunctie.
Relevation Transform: Een relatie met de gemiddelde waarde van de relevation transform van de dubbel afgeknotte variabele.
Transformaties: Er wordt onderzocht hoe de CRIE verandert onder stijgende lineaire en convexe transformaties.

B. Grenzen (Bounds)

Omdat de analytische berekening van de CRIE voor veel verdelingen moeilijk is, worden boven- en ondergrenzen afgeleid:

Bovengrens: Gebaseerd op de variantie van de variabele binnen het interval (via de Cauchy-Schwarz ongelijkheid):
$H(X; \tau_1, \tau_2) \le \sqrt{\text{Var}(X \mid \tau_1 \le X \le \tau_2)}$
Ondergrenzen: Afgeleid via de Log-Sum ongelijkheid en relaties met de Shannon-intervalentropie en de gemiddelde resterende levensduur.
Relatie met Kullback-Leibler: De auteurs introduceren een nieuwe maatstaf, de Cumulative Residual Interval Kullback-Leibler (CRIKL) divergentie, voor het testen van hypothesen over verdelingen in een interval.

C. Monotoniteit en Nieuwe Klassen

De auteurs definiëren twee nieuwe klassen van verdelingen op basis van het gedrag van de CRIE:

ICRIE (Increasing CRIE): De entropie neemt toe naarmate het startpunt $\tau_1$ toeneemt (voor vast $\tau_2$ ).
DCRIE (Decreasing CRIE): De entropie neemt af naarmate $\tau_1$ toeneemt.

Resultaten:

Er worden noodzakelijke en voldoende voorwaarden gegeven voor ICRIE/DCRIE, gerelateerd aan de gemiddelde resterende levensduur ( $m_{X,1}$ ) en de generaliseerde uitvalrate.
Sluitendheid: De klasse DCRIE is gesloten onder stijgende convexe transformaties, en ICRIE/DCRIE is gesloten onder stijgende lineaire transformaties.
Voorbeelden worden gegeven voor de Beta- en Exponentiële verdeling, waarbij grafisch wordt aangetoond dat deze vaak DCRIE zijn.

4. Significatie en Toepassingen

Deze paper heeft significante implicaties voor diverse wetenschappelijke gebieden:

Betrouwbaarheid en Levensduuranalyse: De CRIE biedt een robuustere maatstaf voor onzekerheid in systemen waarvan de levensduur alleen binnen een specifiek waarnemingsvenster bekend is. Dit is cruciaal voor het beoordelen van de betrouwbaarheid van producten die onderworpen zijn aan selectiechecks (dubbel afgeknotte data).
Verzekeringswiskunde: De maatstaf is direct toepasbaar op scenario's met franchiseaftrekken en verzekeringslimieten, waar uitkeringen alleen worden gedaan binnen een bepaald interval. Het helpt bij het modelleren van risico's en het bepalen van premies.
Statistische Inferentie: De afgeleide grenzen en de nieuwe CRIKL-divergentie bieden nieuwe tools voor het testen van hypothesen en het beoordelen van de fit van verdelingen op basis van gedeeltelijke (gecensureerde of afgeknotte) data.
Theoretische Uitbreiding: Het werk vult een gat in de literatuur door een coherent raamwerk te bieden dat de cumulatieve entropie en intervalentropie combineert, waarbij het gebruik van de overlevingsfunctie (in plaats van de dichtheidsfunctie) numeriek stabielere schattingen mogelijk maakt.

Conclusie

Chadjiconstantinidis en Bozikas introduceren met de CRIE een krachtige en generaliserende maatstaf voor onzekerheid in dubbel afgeknotte contexten. Door de relatie met gevestigde betrouwbaarheidsconcepten zoals de gemiddelde resterende levensduur en de hazard rate te leggen, en door nieuwe monotoniteitsklassen en grenzen te definiëren, bieden ze een waardevol instrument voor zowel theoretisch onderzoek als praktische toepassingen in statistiek, actuariale wetenschap en engineering.