DOI: https://doi.org/10.1080/02664763.2026.2672561
تاريخ النشر: 2026-05-14
المؤلف: Shanya Baghel وآخرون
الموضوع الرئيسي: تقدير التوزيع الإحصائي وتطبيقاته
نظرة عامة
تبحث ورقة البحث في تطبيق نهج بايزي قوي لتقدير عمر الأجهزة غير المدمرة ذات الاستخدام الواحد (NOSD) التي يمكن أن تتحمل اختبارات متعددة. قد تؤدي الطرق البايزية التقليدية إلى نتائج غير دقيقة عندما يتم انتهاك افتراضات النموذج قليلاً، مما يستلزم تطوير posterior قوي يعتمد على مقياس تباين كثافة الطاقة. تقدم الدراسة عامل بايز جديد لاختبار الفرضيات مستمد من هذا posterior القوي وتستخدم طريقة مونت كارلو هاميلتوني لتقدير posterior. يتم تقييم قوة الطرق المقترحة باستخدام دالة التأثير (IF)، التي تقيم تأثير القيم الشاذة على اتخاذ القرار تحت الفرضية الصفرية.
في الختام، تقدم الورقة إطار تقدير قوي ضمن الإطار البايزي، مع التركيز بشكل خاص على أسباب الفشل المتنافسة وفقًا لتوزيع عمر ليندلي. تشير النتائج إلى أن مقدر بايز القوي الموزون (WRBE) يظهر أقل انحياز في سيناريوهات البيانات الملوثة، بينما يعمل مقدر تباين كثافة الطاقة الموزون (WMDPDE) كبديل موثوق عندما تكون المعلومات السابقة غير متاحة. تستكشف الدراسة أيضًا اختبار الفرضيات القوي من خلال عامل بايز وتوضح القوة التحليلية لدالة التأثير. تؤكد التحقق من خلال مجموعة بيانات سرطان البنكرياس على التطبيق العملي للتطورات النظرية، مع توقعات بتمديدات محتملة لمخاطر المنافسة المعتمدة وتحليلات أسباب الفشل المفقودة في العمل المستقبلي.
مقدمة
تناقش مقدمة ورقة البحث هذه أهمية الأجهزة غير المدمرة ذات الاستخدام الواحد (NOSD) في مجالات الهندسة والطب، مع تسليط الضوء على قدرتها على توفير بيانات إضافية لتقدير الموثوقية حتى بعد أن تنجو بعض الوحدات من الاختبار. تشير الورقة إلى أنه بينما تم دراسة تحليل المخاطر المتنافسة بشكل مكثف، فإن تطبيقه على NOSD لا يزال غير مستكشف بشكل كافٍ. يقترح المؤلفون استخدام توزيع ليندلي ذو المعاملين لنمذجة عمر NOSD تحت مخاطر متنافسة مستقلة، مؤكدين أن هذا التوزيع يوفر قدرات نمذجة متفوقة مقارنة بالتوزيعات الأسية التقليدية وتوزيعات ويبول.
تقدم الدراسة إطار تقدير بايزي قوي يتضمن معلومات سابقة من خلال توزيعات طبيعية وديريشليت، مع معالجة قيود الطرق البايزية التقليدية عند التعامل مع البيانات الملوثة. تستخدم طريقة مونت كارلو هاميلتوني (HMC) لتقدير posterior بكفاءة وتطور عامل بايز قوي لاختبار الفرضيات، والذي لم يتم تطبيقه سابقًا على بيانات NOSD. كما تفحص الورقة دوال التأثير لتقييم قوة المقدرات وتأثيرها على اتخاذ القرار في اختبار الفرضيات. تحدد الأقسام التالية من الورقة المنهجية، بما في ذلك بناء النموذج، وإجراءات التقدير، واختبار الفرضيات، والدراسات العددية، مما يؤدي إلى تحليل شامل للطرق المقترحة.
نقاش
تناقش هذه القسم تطوير طرق تقدير قوية للأجهزة غير المدمرة ذات الاستخدام الواحد (NOSD) تحت اختبار الحياة المعجل (ALT) باستخدام إطار بايزي. تركز الدراسة على توزيع عمر ليندلي، الذي يأخذ في الاعتبار المخاطر المتنافسة في آليات الفشل. يستخرج المؤلفون احتمالات الفشل والبقاء بناءً على معلمات النموذج، ويقترحون طريقة تقدير قوية باستخدام مقياس تباين كثافة الطاقة (DPD) للتخفيف من آثار القيم الشاذة في البيانات. يتم تقديم مقدر الحد الأدنى الموزون لـ DPD (WMDPDE)، ويتم استكشاف خصائصه الحدية، مما يظهر قوته مقارنة بتقدير الاحتمالية القصوى (MLE).
بالإضافة إلى ذلك، تقدم الورقة طريقة تقدير بايزي قوية تتضمن معلومات سابقة من خلال posterior زائف مستمد من مقياس DPD. يتم مناقشة خيارين سابقين، طبيعي وديريشليت، حيث يكون الأخير مناسبًا بشكل خاص لمعلمات الاحتمال. يتم تحليل دوال التأثير لكل من WMDPDE ومقدر بايز القوي الموزون (WRBE) لتقييم قوتهما، مما يكشف أن WRBE يظهر أداءً متفوقًا في وجود تلوث البيانات. يتم توضيح التطبيق العملي لهذه الطرق من خلال دراسة حالة تتعلق ببيانات بقاء سرطان البنكرياس، مما يؤكد فعالية المقدرات المقترحة في السيناريوهات الواقعية. بشكل عام، تشير النتائج إلى أن تقنيات التقدير القوي ضرورية للتحليل الدقيق في وجود القيم الشاذة، وتضع الدراسة الأساس للبحث المستقبلي في المخاطر المتنافسة المعتمدة وتوزيعات العمر الأخرى.
DOI: https://doi.org/10.1080/02664763.2026.2672561
Publication Date: 2026-05-14
Author(s): Shanya Baghel et al.
Primary Topic: Statistical Distribution Estimation and Applications
Overview
The research paper investigates the application of a robust Bayesian approach for estimating the lifetime of nondestructive one-shot devices (NOSD) that can endure multiple tests. Traditional Bayesian methods may yield inaccurate results when model assumptions are slightly violated, necessitating the development of a robustified posterior based on the density power divergence measure. The study introduces a novel Bayes factor for hypothesis testing derived from this robustified posterior and employs a Hamiltonian Monte Carlo method for posterior sampling. The robustness of the proposed methods is evaluated using the influence function (IF), which assesses the impact of outliers on decision-making under the null hypothesis.
In conclusion, the paper presents a robust estimation framework within the Bayesian paradigm, particularly addressing competing failure causes as per Lindley’s lifetime distribution. The findings indicate that the weighted robust Bayesian estimator (WRBE) exhibits the least bias in contaminated data scenarios, while the weighted maximum density power divergence estimator (WMDPDE) serves as a reliable alternative when prior information is unavailable. The study also explores robust hypothesis testing through the Bayes factor and illustrates the influence function’s analytical robustness. Validation through a pancreatic cancer dataset demonstrates the practical applicability of the theoretical developments, with potential extensions to dependent competing risks and missing cause of failure analyses anticipated in future work.
Introduction
The introduction of this research paper discusses the significance of nondestructive one-shot devices (NOSD) in engineering and medical fields, highlighting their ability to provide additional data for reliability estimation even after some units survive testing. The paper notes that while competing risk analysis has been extensively studied, its application to NOSD remains underexplored. The authors propose using a two-parameter Lindley distribution to model the lifetime of NOSD under independent competing risks, arguing that this distribution offers superior modeling capabilities compared to traditional exponential and Weibull distributions.
The study introduces a robust Bayesian estimation framework that incorporates prior information through Normal and Dirichlet distributions, addressing the limitations of conventional Bayesian methods when dealing with contaminated data. It employs Hamiltonian Monte Carlo (HMC) for efficient posterior estimation and develops a robust Bayes factor for hypothesis testing, which has not been previously applied to NOSD data. The paper also examines influence functions to assess the robustness of estimators and their impact on decision-making in hypothesis testing. The subsequent sections of the paper outline the methodology, including model building, estimation procedures, hypothesis testing, and numerical studies, culminating in a comprehensive analysis of the proposed methods.
Discussion
The section discusses the development of robust estimation methods for nondestructive one-shot devices (NOSD) under accelerated life testing (ALT) using a Bayesian framework. The study focuses on the Lindley lifetime distribution, which accounts for competing risks in failure mechanisms. The authors derive failure and survival probabilities based on the model parameters, and propose a robust estimation method using the density power divergence (DPD) measure to mitigate the effects of outliers in the data. The weighted minimum DPD estimator (WMDPDE) is introduced, and its asymptotic properties are explored, demonstrating its robustness compared to maximum likelihood estimation (MLE).
Additionally, the paper presents a robust Bayesian estimation method that incorporates prior information through a pseudo posterior derived from the DPD measure. Two prior choices, normal and Dirichlet, are discussed, with the latter being particularly suitable for probability parameters. The influence functions for both WMDPDE and the weighted robust Bayes estimator (WRBE) are analyzed to assess their robustness, revealing that WRBE exhibits superior performance in the presence of data contamination. The practical application of these methods is illustrated through a case study involving pancreatic cancer survival data, confirming the effectiveness of the proposed estimators in real-world scenarios. Overall, the findings suggest that robust estimation techniques are crucial for accurate analysis in the presence of outliers, and the study lays the groundwork for future research in dependent competing risks and other lifetime distributions.