DOI: https://doi.org/10.1038/s41598-026-42402-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41876570
تاريخ النشر: 2026-03-24
المؤلف: Zhenyun Du
الموضوع الرئيسي: تقدير التوزيع الإحصائي وتطبيقاته
نظرة عامة
تقدم البحث توزيع Sujit المعتمد على الطول (LBSJT)، وهو نموذج عام مصمم لتعزيز تحليل نتائج الوقت حتى الحدث في الأبحاث الطبية الحيوية، وخاصة في علم الأورام. يوسع هذا النموذج توزيع Sujit التقليدي من خلال دمج آلية معتمدة على الطول، مما يحسن مرونته في نمذجة أوقات البقاء. يحدد الدراسة الخصائص النظرية الرئيسية لتوزيع LBSJT، بما في ذلك اللحظات الخام، ودالة توليد اللحظات، وتدابير الموثوقية، بينما تستخلص أيضًا ميزات تحليلية مثل منحنيات بونفيروني ولورينز. يتم إجراء تقدير المعلمات باستخدام طريقة تقدير الاحتمالية القصوى (MLE)، وتظهر محاكاة مونت كارلو دقة وموثوقية المقدرات، خاصة مع أحجام العينات الأكبر.
تشير النتائج إلى أن الزيادات في معلمات النموذج تؤدي إلى تقليل كل من المتوسط والتباين، مع زيادة مقابلة في معامل التباين (CV). يعكس هذا السلوك انتقالًا في شكل التوزيع، حيث تؤدي قيم المعلمات الأعلى إلى أنماط مائلة وغير متجانسة، بينما تؤدي القيم الأدنى إلى ملف أكثر تماثلاً وارتفاعًا. تفوق توزيع LBSJT على عدة نماذج راسخة عند تطبيقه على بيانات الشفاء السريري، مما يظهر فعاليته التجريبية. ومع ذلك، يقتصر النموذج على البيانات المستمرة وقد لا يكون مناسبًا لجميع مجموعات البيانات أو التوزيعات. هناك حاجة إلى مزيد من التحقق عبر مجالات متنوعة لتأكيد قابليته العامة، وينبغي توخي الحذر عند تطبيق النموذج على عينات صغيرة أو تكوينات معلمات متطرفة بسبب الحساسية المحتملة في موثوقية التقدير.
مقدمة
تسلط المقدمة الضوء على أهمية نماذج الاحتمالات الموزونة عبر مجالات متنوعة، بما في ذلك العلوم التطبيقية وديناميات السكان، وخاصة في معالجة التحيزات الناتجة عن أخذ عينات غير عشوائية. تم تصميم هذه النماذج، في البداية، لضبط تأثيرات الاختيار على البيانات الملاحظة، مما يمكّن من تمثيل أكثر دقة لخصائص السكان عندما تكون الافتراضات التقليدية غير كافية. يركز التركيز الرئيسي على التوزيعات المعتمدة على الطول، والتي تكون ذات صلة خاصة في تحليل البقاء وهندسة الموثوقية، حيث يرتبط احتمال ملاحظة وحدة بحجمها أو مدتها. أصبح هذا المفهوم أساسيًا في تحليل بيانات العمر، مما يعزز مرونة النمذجة في السيناريوهات التي تفشل فيها الطرق الكلاسيكية.
تمت ملاحظة التقدمات الأخيرة في النماذج المعتمدة على الطول، بما في ذلك تقديم توزيع Ishita المعتمد على الحجم وتوزيع Lomax الموزون المعتمد على الطول (LBWLD)، وكلاهما يستخدم تقدير الاحتمالية القصوى لتحديد المعلمات. تم تطوير نماذج إضافية، مثل توزيع Maxwell المعتمد على الطول وتوزيع Ishita الموزون المعتمد على الطول، لتحسين الأداء التجريبي ومعالجة التحديات الاستدلالية. ساهم باحثون مختلفون في هذا المجال المتطور من خلال اقتراح نماذج مخصصة لتطبيقات معينة، مثل توزيع Marshall-Olkin المعتمد على الطول وتوزيع Weibull-Rayleigh المعتمد على الطول، مما يوسع مجموعة الأدوات المتاحة لتحليل سياقات أخذ العينات المتحيزة.
مناقشة
في هذه الدراسة، يتم اقتراح توزيع جديد معتمد على الطول، يسمى توزيع LBSJT، لتعزيز قدرات النمذجة لبيانات العمر والموثوقية، وخاصة في السياقات التي تفشل فيها التوزيعات التقليدية بسبب تحيزات أخذ العينات. يتميز نموذج LBSJT بأنه قابل للتحليل ويظهر أداءً متفوقًا في المحاكاة وتطبيقات البيانات الحقيقية مقارنة بالنماذج الحالية. يتميز بمعلمة واحدة، مما يسمح له بالتقاط سلوكيات معدل الخطر غير الأحادي بشكل فعال، مثل الأشكال المتزايدة والمقلوبة، دون تعقيد المعلمات الإضافية المطلوبة من نماذج مثل توزيع Weibull وتوزيع غاما. تسهل هذه البساطة التنفيذ والتفسير بسهولة في التطبيقات العملية عبر مجالات متنوعة، بما في ذلك تحليل الموثوقية والدراسات الطبية الحيوية.
تستخلص الخصائص الإحصائية لتوزيع LBSJT، بما في ذلك دالة كثافة الاحتمال (PDF)، ودالة التوزيع التراكمي (CDF)، ودالة الموثوقية، بشكل صريح، مما يوفر إطارًا قويًا للتحليل. يظهر النموذج سلوك خطر متزايد وقادر على التكيف مع مجموعة واسعة من هياكل البيانات، مما يجعله أداة قيمة للباحثين والممارسين. يوضح البحث صياغة النموذج، وتقدير المعلمات عبر طرق الاحتمالية القصوى، وتطبيقه على مجموعات البيانات التجريبية، مما يظهر صلته العملية وجودة التوافق. بشكل عام، يمثل توزيع LBSJT تقدمًا كبيرًا في نظرية الموثوقية، حيث يقدم نهجًا مرنًا وفعالًا لنمذجة بيانات العمر المتنوعة.
DOI: https://doi.org/10.1038/s41598-026-42402-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41876570
Publication Date: 2026-03-24
Author(s): Zhenyun Du
Primary Topic: Statistical Distribution Estimation and Applications
Overview
The research introduces the Length-Biased Sujit (LBSJT) distribution, a generalized model designed to enhance the analysis of time-to-event outcomes in biomedical research, particularly in oncology. This model extends the conventional Sujit distribution by incorporating a length-biased mechanism, which improves its flexibility in modeling survival times. The study establishes key theoretical properties of the LBSJT distribution, including raw moments, the moment generating function, and reliability measures, while also deriving analytical features such as the Bonferroni and Lorenz curves. Parameter estimation is conducted using the maximum likelihood estimation (MLE) method, and a Monte Carlo simulation demonstrates the accuracy and robustness of the estimators, particularly with larger sample sizes.
The findings indicate that increases in model parameters lead to reductions in both mean and variance, with a corresponding increase in the coefficient of variation (CV). This behavior reflects a transition in the distribution’s shape, where higher parameter values yield skewed and heterogeneous patterns, while lower values result in a more symmetric, leptokurtic profile. The LBSJT distribution outperformed several established models when applied to clinical remission data, showcasing its empirical effectiveness. However, the model is limited to continuous data and may not be suitable for all datasets or distributions. Further validation across diverse fields is necessary to confirm its general applicability, and caution is advised when applying the model to small samples or extreme parameter configurations due to potential sensitivity in estimation reliability.
Introduction
The introduction highlights the significance of weighted probability models across various fields, including applied sciences and population dynamics, particularly in addressing biases from non-random sampling. These models, initially designed to adjust for selection effects on observed data, enable a more accurate representation of population characteristics when traditional assumptions are inadequate. A key focus is on length-biased distributions, which are particularly relevant in survival analysis and reliability engineering, where the probability of observing a unit correlates with its size or duration. This concept has become foundational in lifetime data analysis, enhancing modeling flexibility in scenarios where classical methods fall short.
Recent advancements in length-biased models are noted, including the introduction of the size-biased Ishita distribution and the Length-Biased Weighted Lomax Distribution (LBWLD), both of which utilize maximum likelihood estimation for parameter determination. Additional models, such as the length-biased Maxwell distribution and the Length Biased Weighted Ishita Distribution, have been developed to improve empirical performance and address inferential challenges. Various researchers have contributed to this evolving field by proposing tailored models for specific applications, such as the Marshall-Olkin length-biased exponential distribution and the length-biased Weibull-Rayleigh distribution, thereby expanding the toolkit available for analyzing biased sampling contexts.
Discussion
In this study, a new length-biased distribution, termed the LBSJT distribution, is proposed to enhance modeling capabilities for lifetime and reliability data, particularly in contexts where traditional distributions fail due to sampling biases. The LBSJT model is analytically tractable and demonstrates superior performance in simulations and real-data applications compared to existing models. It is characterized by a single parameter, allowing it to effectively capture non-monotonic hazard rate behaviors, such as increasing and inverted bathtub shapes, without the complexity of additional parameters required by models like the Weibull and gamma distributions. This simplicity facilitates easier implementation and interpretation in practical applications across various fields, including reliability analysis and biomedical studies.
The LBSJT distribution’s statistical properties, including its probability density function (PDF), cumulative distribution function (CDF), and reliability function, are derived explicitly, providing a robust framework for analysis. The model exhibits increasing hazard behavior and is capable of adapting to a wide range of data structures, making it a valuable tool for researchers and practitioners. The paper outlines the model’s formulation, parameter estimation via maximum likelihood methods, and its application to empirical datasets, demonstrating its practical relevance and goodness-of-fit. Overall, the LBSJT distribution represents a significant advancement in reliability theory, offering a flexible and efficient approach to modeling diverse lifetime data.