DOI: https://doi.org/10.3934/math.2026519
تاريخ النشر: 2026-01-01
المؤلف: Anfal A. Alqefari
الموضوع الرئيسي: تقدير التوزيع الإحصائي وتطبيقاته
نظرة عامة
تقدم هذه الورقة البحثية عائلة جديدة من الاختبارات غير المعلمية المعتمدة على الإنتروبيا لتقييم التوزيع الأسي مقابل بدائل معدل الفشل المتزايد (IFR)، وهي قضية رئيسية في نظرية الاعتمادية. تستند الاختبارات إلى الإنتروبيا المتبقية التراكمية العامة الكسرية (FGCRE) ويتم صياغتها كوظائف L غير المعتمدة على المقياس، مفهرسة بواسطة معلمة ضبط، مما يعزز حساسيتها لمختلف الانحرافات عن IFR. تساهم هذه الدراسة بشكل كبير في اشتقاق التوزيع الصفري الدقيق للعينة المحدودة تحت فرضية الأسي، مما يسمح بالاستدلال بدون الاعتماد على التقريبات الأسيمتوتية. تكشف محاكاة مونت كارلو أن الاختبارات المقترحة تحافظ على قوة قوية (تتجاوز 0.85) في أحجام العينات المتوسطة، خاصة تحت بدائل ويبول، وتتفوق على الطرق الحالية في السيناريوهات الصعبة.
تختتم الورقة بالتأكيد على الآثار النظرية والعملية لعائلة الاختبارات المطورة، المشار إليها بـ $\hat{T}_\beta^*$، والتي تجمع بين القابلية للتفسير، والكفاءة الحسابية، وخصائص إحصائية قوية. تدعم الحالة الأسيمتوتية التي تم تأسيسها تحت ظروف عامة قابلية تطبيقها عبر أحجام عينات مختلفة. يتم التحقق من فعالية المنهجية من خلال التطبيقات على مجموعات بيانات حقيقية في هندسة الاعتمادية والدراسات البيئية، حيث تنجح في اكتشاف سلوك الشيخوخة الإيجابية. تشمل اتجاهات البحث المستقبلية تحسين معلمة الضبط، وتوسيع المنهجية لتشمل البيانات المقيدة، وتطوير اختبارات مماثلة لفئات الشيخوخة الأخرى، مما يوسع من قابلية تطبيق الإطار في تحليل الاعتمادية. بشكل عام، تقدم هذه الدراسة تقدمًا كبيرًا في الأدوات الإحصائية المتاحة لتحليل بيانات العمر وظواهر الشيخوخة.
مقدمة
تسلط مقدمة الورقة الضوء على أهمية التوزيع الأسي في نظرية الاعتمادية، وتحليل البقاء، والاحتمالات التطبيقية، وذلك بشكل أساسي بسبب بساطته التحليلية وخصائصه الخالية من الذاكرة. تشير هذه الخاصية إلى أن العمر المتبقي لوحدة ما مستقل عن عمرها الحالي، مما يجعلها مناسبة لنمذجة الأنظمة التي تتعرض لصدمة خارجية عشوائية، مثل بعض الأجهزة الإلكترونية. ومع ذلك، غالبًا ما يتم انتهاك فرضية الأسي في السيناريوهات الواقعية حيث يؤدي التدهور التراكمي إلى زيادة خطر الفشل مع مرور الوقت. يتم التقاط هذا السلوك بواسطة توزيعات معدل الفشل المتزايد (IFR)، التي تصيغ الشيخوخة الإيجابية وتعتبر حاسمة في تحليل الاعتمادية.
تناقش الورقة التحدي المستمر لاختبار الفرضية الصفرية للأسي مقابل بدائل IFR، مع التأكيد على الآثار التشغيلية لمثل هذه الاختبارات لاستراتيجيات الصيانة والضمان. تستعرض تطور الإجراءات المختلفة للاختبار غير المعلمي، بما في ذلك اختبارات الرتبة وطرق إحصاء U، مع الإشارة إلى تحول حديث نحو مقاييس معتمدة على الإنتروبيا لتحليل الاعتمادية. على الرغم من التقدم في الأساليب المعتمدة على الإنتروبيا، لا يزال هناك فجوة في تطوير إجراءات اختبار فرضية دقيقة وعملية للأسي مقابل بدائل IFR. لسد هذه الفجوة، يقترح المؤلف عائلة جديدة من الاختبارات غير المعلمية بناءً على وظيفة انحراف مستمدة من الإنتروبيا المتبقية التراكمية العامة الكسرية (FGCRE). تقدم هذه الطريقة عدم الاعتماد على المقياس وتوزيع صفري دقيق للعينة المحدودة، مما يمكّن من استدلال قوي. تعد الورقة بإظهار أداء قوي من خلال محاكاة واسعة النطاق وتطبيقات بيانات حقيقية، بينما تحدد هيكل الأقسام اللاحقة المخصصة لتطوير وتحليل المنهجية المقترحة.
نقاش
في هذا القسم، يقدم المؤلف وظيفة انحراف مصممة لقياس مدى انحراف توزيع معدل الفشل المتزايد (IFR) عن عائلة التوزيعات الأسيّة. تعتمد الوظيفة، المشار إليها بـ $\mathcal{T}_\beta(F)$، على أحادية معدل الخطر، حيث يكون معدل الخطر $\lambda(x)$ غير متناقص لتوزيعات IFR. يتم تعريف مقياس الانحراف $\delta(t)$ كتكامل الفرق بين معدل الخطر عند نقطة وقيمه السابقة، مما يوفر تقييمًا نقطويًا للانحراف عن الأسي. يجمع المقياس العالمي $\mathcal{T}_\beta(F)$ هذا الانحراف المحلي باستخدام دالة وزن، مما يسمح بتقييم شامل لابتعاد التوزيع عن العائلة الأسيّة.
يؤسس القسم أيضًا الخصائص الهيكلية للوظيفة المقترحة، موضحًا أن $\mathcal{T}_\beta(F) \geq 0$ لجميع توزيعات IFR، مع المساواة إذا وفقط إذا كان التوزيع ينتمي إلى العائلة الأسيّة. يناقش المؤلف أيضًا العلاقة بين الوظيفة والتفسيرات النظرية للقرار، خاصة في سياق خطر بايز تحت خسارة تربيعية. يتم اشتقاق النسخة التجريبية من الإحصائية من إحصائيات الرتبة، ويتم تقييم أدائها من خلال محاكاة مونت كارلو مقابل الاختبارات المعتمدة للأسي. تشير النتائج إلى أن الاختبار المقترح يظهر قوة قوية في اكتشاف الانحرافات عن الأسي، خاصة مع زيادة حجم العينة، ويبرز قابلية تعديل معلمة الضبط $\beta$ في تعزيز حساسية الكشف عبر بدائل IFR المختلفة.
DOI: https://doi.org/10.3934/math.2026519
Publication Date: 2026-01-01
Author(s): Anfal A. Alqefari
Primary Topic: Statistical Distribution Estimation and Applications
Overview
This research paper introduces a novel family of entropy-based nonparametric tests for evaluating exponentiality against increasing failure rate (IFR) alternatives, a key issue in reliability theory. The tests are derived from fractional generalized cumulative residual entropy (FGCRE) and are formulated as scale-invariant L-functionals indexed by a tuning parameter, which enhances their sensitivity to various IFR deviations. A significant contribution of this work is the derivation of the exact finite-sample null distribution under the assumption of exponentiality, allowing for distribution-free inference without relying on asymptotic approximations. Monte Carlo simulations reveal that the proposed tests maintain strong power (exceeding 0.85) in moderate sample sizes, particularly under Weibull alternatives, and outperform existing methods in challenging scenarios.
The paper concludes by emphasizing the theoretical and practical implications of the developed test family, denoted as $\hat{T}_\beta^*$, which combines interpretability, computational efficiency, and robust statistical properties. The established asymptotic normality under general conditions further supports its applicability across varying sample sizes. The methodology’s effectiveness is validated through applications to real datasets in reliability engineering and environmental studies, where it successfully detects positive aging behavior. Future research directions include optimizing the tuning parameter, extending the approach to censored data, and developing analogous tests for other aging classes, thereby broadening the framework’s applicability in reliability analysis. Overall, this work presents a significant advancement in the statistical tools available for analyzing lifetime data and aging phenomena.
Introduction
The introduction of the paper highlights the significance of the exponential distribution in reliability theory, survival analysis, and applied probability, primarily due to its analytical simplicity and the memoryless property. This property indicates that the remaining lifetime of a unit is independent of its current age, making it suitable for modeling systems subject to random external shocks, such as certain electronic devices. However, the assumption of exponentiality is often violated in real-world scenarios where cumulative degradation leads to an increasing risk of failure over time. This behavior is captured by increasing failure rate (IFR) distributions, which formalize positive aging and are crucial in reliability analysis.
The paper addresses the longstanding challenge of testing the null hypothesis of exponentiality against IFR alternatives, emphasizing the operational implications of such tests for maintenance and warranty strategies. It reviews the historical development of various nonparametric testing procedures, including rank tests and U-statistic approaches, while noting a recent shift towards entropy-based measures for reliability analysis. Despite advancements in entropy-based methods, there remains a gap in the development of exact, practical hypothesis testing procedures for exponentiality against IFR alternatives. To fill this gap, the author proposes a novel family of nonparametric tests based on a deviation functional derived from fractional generalized cumulative residual entropy (FGCRE). This method offers scale-invariance and an exact finite-sample null distribution, enabling robust inference. The paper promises to demonstrate strong performance through extensive simulations and real-data applications, while outlining the structure of the subsequent sections dedicated to the development and analysis of the proposed methodology.
Discussion
In this section, the author introduces a deviation functional designed to quantify how an Increasing Failure Rate (IFR) distribution diverges from the exponential family of distributions. The functional, denoted as $\mathcal{T}_\beta(F)$, is based on the hazard rate’s monotonicity, where the hazard rate $\lambda(x)$ is non-decreasing for IFR distributions. The deviation measure $\delta(t)$ is defined as the integral of the difference between the hazard rate at a point and its preceding values, providing a pointwise assessment of deviation from exponentiality. The global measure $\mathcal{T}_\beta(F)$ aggregates this local deviation using a weight function, allowing for a comprehensive evaluation of the distribution’s departure from the exponential family.
The section further establishes the structural properties of the proposed functional, demonstrating that $\mathcal{T}_\beta(F) \geq 0$ for all IFR distributions, with equality if and only if the distribution belongs to the exponential family. The author also discusses the connection between the functional and decision-theoretic interpretations, particularly in the context of Bayes risk under quadratic loss. The empirical version of the statistic is derived from order statistics, and its performance is evaluated through Monte Carlo simulations against established tests for exponentiality. The results indicate that the proposed test exhibits strong power in detecting deviations from exponentiality, particularly as sample size increases, and highlights the adaptability of the tuning parameter $\beta$ in enhancing detection sensitivity across various IFR alternatives.