📊 statistics

Weibull-MBUR {Y} A New Family of Generalized Unit Distributions with Correlated Parameters: Is the Correlation, Distribution or Data Driven or Interaction Between Them

Dit artikel introduceert de Weibull-MBUR {Y} familie van gegeneraliseerde eenheidsverdelingen door het T-X{Y} raamwerk toe te passen om een basislijn Median Based Unit Rayleigh verdeling te koppelen aan een Weibull-generator via diverse koppelingsfuncties, waarbij de statistische eigenschappen worden afgeleid en de parametercorrelaties worden geanalyseerd met behulp van reële COVID-19 herstelgegevens om te bepalen of dergelijke correlaties worden gedreven door de data, de verdeling, of hun interactie.

Oorspronkelijke auteurs: iman attia

Gepubliceerd 2026-10-06✓ Author reviewed ⓘ

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: iman attia

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

In de wereld van de statistiek moeten wetenschappers vaak beschrijven hoe zaken verdeeld zijn, van de lengte van mensen tot de tijd die een machine nodig heeft om te falen. Wanneer de gegevens tussen nul en één vallen — zoals percentages, herstelpercentages of proporties — hebben standaardinstrumenten vaak moeite om het volledige beeld te vatten. Om dit op te lossen, hebben onderzoekers decennialang "families" van verdelingen opgebeld. Denk aan deze als flexibele sjablonen die kunnen worden uitgerekt, samengedrukt of vervormd om de unieke vorm van de werkelijke gegevens te passen. Eén populaire methode houdt in dat men een eenvoudige, goed begrepen curve neemt en deze met een wiskundige motor transformeert, waarbij nieuwe knoppen en regelaars worden toegevoegd die de curve in staat stellen om op complexere manieren te buigen. Deze flexibiliteit is cruciaal omdat het echte leven zelden eenvoudig is; gegevens zijn vaak scheef naar één kant of hebben zware staarten, en een rigide model kan niet het hele verhaal vertellen.

Een onderzoeker aan de Cairo Universiteit heeft dit instrumentarium onlangs uitgebreid door een nieuwe familie van deze flexibele curven te creëren, specif으로 ontworpen voor gegevens die tussen nul en één leven. Het werk richt zich op een specifieke basiscurve genaamd de Median Based Unit Rayleigh-verdeling. Hoewel deze basiscurve nuttig is, is zij enigszins beperkt in haar vermogen om zich aan te passen aan verschillende vormen. Om dit te overwinnen, combineerde de auteur deze met een krachtige generator bekend als de Weibull-verdeling, die beroemd is om haar vermogen om tijd-tot-falen-gegevens te modelleren. Door de basiscurve via vijf verschillende wiskundige bruggen te koppelen aan de generator — gebruikmakend van de verdelingen genaamd Lomax, Dagum, exponentieel, exponentieel-exponentieel en Log-Logistisch — creëerde de onderzoeker vijf nieuwe, zeer aanpasbare verdelingen. Het doel was niet alleen om meer curven te creëren, maar ook om te zien of deze nieuwe modellen een specifiek echt-wereldfenomeen beter konden verklaren: de herstelpercentages van patiënten met COVID-19 in Spanje.

De studie begon met een dataset van 66 observaties die de herstelpercentages van COVID-19-patiënten in Spanje vertegenwoordigden. Deze getallen varieerden van een laag van 0,4286 tot een hoog van 0,8628, met een gemiddeld herstelpercentage van 0,7240. De gegevens vertoonden een lichte scheefheid, wat betekent dat de herstelpercentages niet perfect gebalanceerd waren rond het gemiddelde. De onderzoeker probeerde deze gegevens eerst te fitten met oudere, gevestigde modellen zoals de Beta- en de Kumaraswamy-verdelingen, evenals de originele, ongewijzigde basiscurve. De resultaten waren veelzeggend: de originele basiscurve slaagde er niet in de vorm van de gegevens te vatten, en hoewel de oudere modellen adequaat presteerden, boden zij niet de best mogelijke fit.

Wanneer de vijf nieuwe gegeneraliseerde verdelingen op dezelfde Spaanse herstelgegevens werden toegepast, verbeterden de resultaten aanzienlijk. De nieuwe modellen, met name het model dat met de Lomax-brug is opgebouwd, boden een veel nauwere aansluiting bij de werkelijke observaties. Statistische maten bevestigden dat deze nieuwe curven de gegevens nauwkeuriger beschreven dan de oudere alternatieven. De onderzoeker berekende de "log-likelihood", een score die meet hoe goed een model de gegevens verklaart, en vond dat het nieuwe Weibull-MBUR-Lomax-model de hoogste score behaalde. Andere metrieken, die modellen straffen voor het te ingewikkeld zijn, bevoordeelden ook de nieuwe verdelingen, wat suggereerde dat ze niet simpelweg de ruis overfitten, maar het werkelijke onderliggende patroon vastlegden.

Echter, de studie onthulde een fascinerend en enigszins verwarrend bijeffect van deze toegenomen flexibiliteit. Naarmate de nieuwe modellen de gegevens beter pasten, werd de wiskundige relatie tussen hun interne parameters extreem nauw. In het best presterende model waren de parameters zo nauw met elkaar verbonden dat ze bijna in perfect unisonie bewogen. De onderzoeker beschreef dit als een zeer hoge correlatie, waarbij het veranderen van één getal om de fit te verbeteren, de anderen dwong om op een voorspelbare, bijna strak gekoppelde manier te veranderen. Dit creëerde een situatie waarin de statistische betrouwbaarheidsintervallen voor deze parameters zeer breed werden, waardoor het moeilijk werd om de exacte waarde van een enkele parameter met hoge precisie vast te stellen.

De centrale vraag die het artikel stelt, is de bron van deze intense verbinding tussen de getallen. Is deze hoge correlatie een kenmerk van de gegevens zelf, wat betekent dat de Spaanse herstelpercentages van nature een dergelijke nauwe relatie tussen deze variabelen vereisen? Of is het een kenmerk van de wiskundige constructie, waarbij de manier waarop de nieuwe verdelingen zijn gebouwd, deze sterke banden simpelweg overneemt van de componenten die voor de creatie zijn gebruikt? De auteur suggereert dat dat laatste een sterke mogelijkheid is, waarbij wordt opgemerkt dat de componenten die gebruikt zijn om deze modellen te bouwen, bekend staan om hun eigen interne relaties. Toch laat het artikel het afweten zonder een definitief oordeel te vellen. Het stelt voor dat de correlatie een mix kan zijn van zowel de aard van de gegevens als de wiskundige architectuur die wordt gebruikt om deze te modelleren.

Om dit op te lossen, concludeert de onderzoeker dat er meer werk nodig is, specifiek door middel van computersimulaties. Door nepdata met bekende eigenschappen te generen en deze nieuwe modellen tegen die data te testen, zouden toekomstige studies kunnen bepalen of de hoge correlaties zelfs verschijnen wanneer de gegevens volkomen willekeurig zijn of een eenvoudige regel volgen. Tot die tijd staat de studie als een demonstratie van hoe het toevoegen van meer wiskundige flexibiliteit de fit met echte gegevens drastisch kan verbeteren, zelfs als het nieuwe complexiteiten introduceert in het begrijpen van de individuele onderdelen van het model. De nieuwe verdelingen slaagden erin de nuances van de COVID-19-herstelgegevens te vatten die oudere modellen misten, wat hun nut bewees, terwijl ze tegelijkertijd een diep statistisch mysterie belichtten over hoe deze complexe modellen zich gedragen.

Technische Samenvatting: Weibull-MBUR {Y} Een nieuwe familie van gegeneraliseerde eenheidsverdelingen met gecorreleerde parameters

Probleemstelling
Het artikel adresseert de behoefte aan flexibele statistische modellen die in staat zijn om diverse vormen (scheef, bathtub, J-vormig, etc.) te accommoderen voor data gedefinieerd op het eenheidsinterval $(0, 1)$ , zoals proporties, ratio's en percentages. Hoewel bestaande generalisaties zoals de Beta-gegenereerde (BG) en Kumaraswamy-gegenereerde (Kw-G) families bestaan, identificeert de auteur een gat in de literatuur met betrekking tot de specifieke combinatie van de Median Based Unit Rayleigh (MBUR) basisverdeling met de Weibull-generator en diverse link-verdelingen. Bovendien onderzoekt het artikel een cruciaal, vaak over het hoofd gezien probleem in gegeneraliseerde verdelingen: de aard van de correlatie tussen geschatte parameters. De auteur stelt de vraag of waargenomen hoge correlaties in parameterschattingen worden gedreven door de specifieke dataset, de wiskundige structuur van de distributiefamilie, of een interactie tussen beide.

Methodologie
De studie maakt gebruik van de T-X{Y} familie benadering, een uitbreiding van de T-X methode geïntroduceerd door Aljarrah et al. (2014). Dit raamwerk construeert een nieuwe familie van verdelingen door een basisverdeling ( $X$ ), een generatorverdeling ( $T$ ) en een link-verdeling ( $Y$ ) te koppelen via de kwantielfunctie van $Y$ .

Componenten:
- Basis ( $X$ ): Median Based Unit Rayleigh (MBUR) verdeling, gedefinieerd op $(0, 1)$ met vormparameter $b$ .
- Generator ( $T$ ): Weibull-verdeling, gedefinieerd op $(0, \infty)$ met vorm- ( $c$ ) en schaalparameters ( $\xi$ ). De Weibull werd gekozen vanwege de gesloten vorm van de CDF en de handelbare ruwe momenten.
- Link ( $Y$ ): Vijf verschillende verdelingen werden gebruikt als de link- (kwantiel) functie om vijf nieuwe submodellen te genereren:
  - Lomax
  - Dagum
  - Exponentieel
  - Exponentiated-Exponential
  - Log-Logistisch
Afleidingsproces:
- De cumulatieve verdelingsfunctie (CDF) van de nieuwe familie, $G_{X_g}(x)$ , wordt afgeleid door de CDF van de basis MBUR in de kwantielfunctie van de link-verdeling $Y$ te substitueren, en vervolgens dat resultaat in de CDF van de Weibull-generator te substitueren.
- De kansdichtheidsfunctie (PDF), de hazardfunctie en de kwantielfunctie worden analytisch afgeleid voor elk van de vijf nieuwe verdelingen.
- Afleiding van momenten: Twee benaderingen worden gebruikt om de $r$ $r$ -de ruwe momenten af te leiden:
  - Een reeks lineaire expansie van de PDF met behulp van gegeneraliseerde binomiale stellingen en Pochhammer-vallende factorials.
  - Een benadering waarbij de variabele $x$ wordt geïsoleerd en de momenten worden uitgedrukt in termen van de ruwe momenten van de Weibull-generator.

Belangrijkste Bijdragen

Nieuwe Verdelingsfamilie: Het artikel introduceert de Weibull-MBUR{Y} familie, bestaande uit vijf specifieke verdelingen (Lomax, Dagum, Exponentieel, Exponentiated-Exponential en Log-Logistisch varianten). Naar weten van de auteur zijn deze specifieke combinaties voorheen niet besproken in de literatuur.
Analytische Eigenschappen: Het artikel biedt gesloten uitdrukkingen voor de PDF, CDF, kwantiel- en hazardfuncties voor alle vijf de modellen. Het leidt ook complexe reeks-expansies af voor de ruwe momenten, wat computationele statistiek faciliteert zonder dat speciale functies in sommige gevallen nodig zijn.
Correlatieanalyse: Een significante bijdrage is de empirische investigatie naar de correlatiestructuur van de geschatte parameters. De auteur analyseert de variantie-covariantie matrices en correlatiecoëfficiënten voor de nieuwe modellen die op reële data zijn toegepast.

Resultaten en Analyse van Reële Data
De voorgestelde verdelingen werden toegepast op een dataset van 66 observaties die het herstelpercentage van COVID-19 patiënten in Spanje vertegenwoordigen. De data vertoonden een negatieve scheefheid (-0.7214).

Modelvergelijking: De nieuwe Weibull-MBUR{Y} verdelingen werden vergeleken met de basis MBUR, Beta, Kumaraswamy, Topp-Leone, Unit Lindley en de Generalized Odd Median Based Unit Rayleigh (GOMBUR-I en II) verdelingen.
Prestatie-indicatoren:
- De basis MBUR, Topp-Leone en Unit Lindley verdelingen slaagden er niet in de data adequaat te fitten (lage Log-Likelihood, hoge KS statistieken).
- Onder de nieuwe modellen bood de Weibull-MBUR{Lomax} verdeling de beste fit, aangetoond door de hoogste Log-Likelihood (64.4163) en de laagste AIC, CAIC, BIC en HQIC waarden.
- De Weibull-MBUR{Dagum} en Weibull-MBUR{Log-Logistic} vertoonden ook een sterke prestatie, waarbij ze de standaard Beta en Kumaraswamy verdelingen in verschillende indices overtroffen.
Bevindingen over Parametercorrelatie:
- Het Weibull-MBUR{Lomax} model vertoonde extreem hoge positieve correlaties (nabij 1.0) tussen zijn parameters ( $b, c, \xi, \psi, \lambda$ ), wat resulteerde in een variantie-covariantie matrix determinant nabij nul ( $5.6073 \times 10^{-13}$ ).
- Het Weibull-MBUR{Dagum} model vertoonde perfecte correlaties tussen verschillende parameters ( $c, \xi, a, \psi$ ) en een negatieve correlatie tussen $b$ en $\gamma$ .
- De Weibull-MBUR{Exponential} en Exponentiated-Exponential modellen vertoonden ook hoge correlaties, met name tussen de schaal- en vormparameters.
- Het Weibull-MBUR{Log-Logistic} model vertoonde matige tot hoge correlaties, met name tussen $\xi$ en $\psi$ .

Significantie en Claims
Het artikel beweert dat de generalisatie van de MBUR verdeling met behulp van de T-X{Y} techniek succesvol het vermogen van het model versterkt om de scheefheid en vorm van reële eenheidsdata te accommoderen, wat de basisverdeling niet kon bereiken. De toevoeging van parameters van de generator en de link-verdelingen zorgt ervoor dat de PDF kan "draaien" (twisten) en complexe datavormen kan fitten.

De auteur neemt echter een bescheiden standpunt in over de bron van de geobserveerde parametercorrelaties. Hoewel de nieuwe verdelingen de data goed fitten, roept de hoge correlatie tussen parameters (wat leidt tot brede betrouwbaarheidsintervallen in sommige gevallen) de vraag op of deze correlatiesies:

Distributie-gedreven zijn: Geërfd uit de wiskundige constructie van het T-X{Y} systeem.
Data-gedreven zijn: Specifiek voor de kenmerken van de COVID-19 hersteldataset.
Een interactie zijn: Een mix van beide.

Het artikel concludeert dat hoewel de nieuwe familie effectief is voor modellering, het probleem van parametercorrelatie verder onderzoek vereist. De auteur stelt expliciet dat simulatiestudies noodzakelijk zijn om definitief vast te stellen of deze correlaties inherent zijn aan de T-X{Y} constructie of specifiek zijn voor de data, en om te evalueren hoe ze de betrouwbaarheidsintervallen beïnvloeden. Er wordt geen definitieve causale claim gemaakt met betrekking tot de oorsprong van de correlaties in deze studie.

Meer zoals dit