DOI: https://doi.org/10.19139/soic-2310-5070-3429
تاريخ النشر: 2026-04-14
المؤلف: H. M. Hamouda وآخرون
الموضوع الرئيسي: تقدير التوزيع الإحصائي وتطبيقاته
نظرة عامة
في هذه الورقة، يقدم المؤلفون توزيع إبراهيم المحول (TI)، وهو نموذج عمر ثلاثي المعلمات مستمد من توزيع إبراهيم من خلال خريطة تحويل رتبي تربيعية. يهدف توزيع TI إلى معالجة القيود الكبيرة للنموذج الأصلي لإبراهيم، لا سيما عدم كفايته في نمذجة الكورتوز العالي وسلوك الذيل الأيمن البارز، والتي هي شائعة في بيانات الموثوقية والبقاء. يستخرج المؤلفون خصائص إحصائية متنوعة لتوزيع TI، بما في ذلك تعبيرات مغلقة للحظات، دوال الكمية، دوال التوليد، وإنتروبيا ريني، بينما يحددون أيضًا شروطًا للتوحيد ويحللون السلوك النمطي.
يتم إجراء استدلال المعلمات لتوزيع TI باستخدام تقدير الاحتمالية القصوى وطريقة اللحظات، مدعومًا بدراسة محاكاة مونت كارلو التي تؤكد اتساق المقدرات عبر أحجام عينات مختلفة. يتم إثبات قابلية تطبيق نموذج TI عمليًا من خلال ملاءمته لبيانات أوقات بقاء خنازير غينيا والجرذان، حيث يتفوق على النماذج المنافسة مثل توزيع وايبول، وغاما، والتوزيعات الأسية المعممة. على وجه التحديد، يحقق توزيع TI أفضل ملاءمة لبيانات خنازير غينيا مع أدنى قيمة لمعيار معلومات أكايكي (AIC) وأعلى قيمة p لمقياس كولموغوروف-سميرنوف (KS)، بينما يظهر أيضًا أداءً متفوقًا لبيانات بقاء الجرذان. يختتم المؤلفون بمناقشة قيود توزيع TI، لا سيما فيما يتعلق بتحديد المعلمات بالقرب من القيم الحدية، ويقترحون مسارات للبحث المستقبلي.
مقدمة
تسلط مقدمة ورقة البحث الضوء على أهمية عائلات التوزيعات المرنة في المنهجيات الإحصائية الحديثة، لا سيما في تحليل البقاء وهندسة الموثوقية. غالبًا ما تمثل التوزيعات التقليدية خصائص البيانات المعقدة مثل الانحراف، والذيل الثقيل، ومعدلات الخطر غير الأحادية بشكل غير كاف. لمعالجة هذه القيود، قدم شاو وباكلي عائلة التوزيعات المحولة، التي تتميز بدالة التوزيع التراكمي (CDF) \( F(x) = (1 + \lambda)G(x) – \lambda G(x)^2 \)، حيث \( G(x) \) هي دالة التوزيع التراكمي لتوزيع أساسي و \( \lambda \) هو معلمة الانحراف.
تنتقد الورقة بشكل خاص توزيع إبراهيم (ID)، الذي يجمع بين مكونات أسية ورايلي ولكنه يحتوي على قيود تحد من قابليته للتطبيق، لا سيما في تمثيل البيانات المنحرفة بشدة واستيعاب الملاحظات المتطرفة. يهدف توزيع إبراهيم المحول (TI) المقترح إلى سد هذه الفجوة من خلال السماح بالتحكم الصريح في الانحراف والكورتوز مع الحفاظ على قابلية تفسير أنماط معدلات الخطر. يقدم المؤلفون توزيع TI كعمومية لـ ID، مدعومًا بإثباتات صارمة لخصائصه الهيكلية، ودراسة محاكاة شاملة، وتطبيقات عملية على مجموعات بيانات بقاء حقيقية، مما يسهم في تقديم رؤى قيمة في هذا المجال ويقترح مسارات للبحث المستقبلي.
النتائج
يقدم قسم النتائج نتائج من المحاكاة والتحليلات لبيانات مجموعتين تتعلق بأوقات بقاء خنازير غينيا والجرذان. تشير نتائج المحاكاة، المفصلة في الجداول 3-7، إلى أن طريقة تقدير الاحتمالية القصوى (MLE) تتفوق على طريقة اللحظات (MoM) عبر تكوينات معلمات مختلفة، لا سيما مع زيادة أحجام العينات. على سبيل المثال، في المجموعة 1 مع انحراف خفيف، يظهر MLE انحيازًا باستمرار أقل من 0.06 ومتوسط خطأ تربيعي (MSE) ينخفض من 0.155 إلى 0.049 مع زيادة حجم العينة من 100 إلى 500. بالمقابل، يظهر MoM انحيازًا مستمرًا، لا سيما للمعلمة λ، مما يبرز تفوق MLE في تقدير المعلمات بشكل فعال.
في تحليل مجموعة البيانات 1 (أوقات بقاء خنازير غينيا)، يظهر توزيع العكس المحول (TI) كأفضل ملاءمة، كما يتضح من أدنى قيم لمعيار معلومات أكايكي (AIC) ومعيار معلومات بايزي (BIC)، بالإضافة إلى قيمة p عالية لمقياس كولموغوروف-سميرنوف (KS) تبلغ 0.5316، مما يشير إلى أن البيانات تتبع هذا التوزيع بشكل جيد. المعلمة المقدرة للتحويل λ قريبة من -1، مما يشير إلى كتلة احتمال قوية في الذيل الأيسر، وهو ما يتماشى مع خصائص مجموعة البيانات. على العكس، تظهر مجموعة البيانات 2 (أوقات بقاء الجرذان) ملاءمة تنافسية بين عدة توزيعات، حيث يؤدي توزيع TI بشكل كافٍ ولكن ليس بشكل حاسم كما في مجموعة البيانات 1. تشير التحليلات إلى أنه بينما يعد توزيع TI مرنًا وفعالًا في نمذجة البيانات المنحرفة نحو اليمين ذات الذيل الثقيل، قد تكون النماذج الفرعية الأبسط أكثر ملاءمة عندما تقترب تقديرات المعلمات من القيم الحدية. بشكل عام، تدعو النتائج إلى فائدة توزيع TI في نمذجة العمر، لا سيما في السياقات التي تتطلب مرونة في التعامل مع البيانات المنحرفة.
مناقشة
يتم تقديم توزيع إبراهيم المحول (TI) كنموذج عمر مرن ثلاثي المعلمات يتميز بدالة التوزيع التراكمي (CDF) ودالة كثافة الاحتمال (PDF). يتم تعريف توزيع TI بواسطة متجه المعلمات $\phi = (\alpha, \beta, \lambda)$، مع شروط محددة تضمن صحة PDF. من الجدير بالذكر أن توزيع TI يشمل عدة توزيعات معروفة كحالات خاصة، مثل توزيع إبراهيم الأساسي وتوزيع الأسية المحولة. يظهر التوزيع مرونة كبيرة في دالة معدل الخطر الخاصة به، والتي يمكن أن تكون متزايدة أو متناقصة أو ثابتة، اعتمادًا على قيم المعلمات. تؤكد التحليلات أن توزيع TI دائمًا ما يكون منحرفًا نحو اليمين وله ذيل ثقيل، مما يجعله مناسبًا لنمذجة الأحداث المتطرفة.
تم استخراج الخصائص الإحصائية لتوزيع TI، بما في ذلك اللحظات، ودوال توليد اللحظات، ومقاييس الانحراف والكورتوز، مما يكشف عن قدرته على التقاط عدم التماثل وسلوك الذيل بشكل فعال. تستخدم الدراسة تقدير الاحتمالية القصوى (MLE) وطريقة اللحظات (MoM) لتقدير المعلمات، مما يظهر أن MLE يتفوق على MoM في العينات الأكبر. تؤكد دراسة المحاكاة اتساق وكفاءة كلا طريقتي التقدير، بينما تظهر تطبيقات البيانات الحقيقية ملاءمة توزيع TI المتفوقة مقارنة بالتوزيعات الأخرى المعروفة، مثل التوزيعات الأسية المعممة وتوزيع وايبول. يتم وضع توزيع TI كأداة قيمة لتحليل الموثوقية والبقاء، مع اقتراح اتجاهات البحث المستقبلية، بما في ذلك التمديدات متعددة المتغيرات والنهج البايزية لتعزيز استقرار التقدير.
القيود
تسلط قيود الدراسة الضوء على عدة قضايا حاسمة تتعلق بتطبيق توزيع العكس المحول (TI). أولاً، تشير نتائج المحاكاة إلى أن تقدير الاحتمالية القصوى يمكن أن يكون غير مستقر عدديًا لأحجام عينات صغيرة (n < 100)، مما يؤثر بشكل خاص على معلمة الشكل $\alpha$ ومعلمة التحويل $\lambda$ عندما تقترب من القيم الحدية. تشير هذه عدم الاستقرار إلى أن الممارسين يجب أن يكونوا حذرين عند استخدام توزيع TI مع مجموعات بيانات محدودة وقد يستفيدون من استخدام طرق البوتستراب للحصول على استدلال أكثر موثوقية. ثانيًا، تصبح قابلية تحديد المعلمات مشكلة عندما تقترب التقديرات من حدود فضاء المعلمات (على سبيل المثال، $\lambda \to \pm 1$ أو $\alpha \to 0$). في مثل هذه السيناريوهات، قد تقدم النماذج الفرعية الأبسط، مثل التوزيعات الأسية المحولة أو توزيعات رايلي المحولة، ملاءمات مقارنة مع عدد أقل من المعلمات، كما يتضح من التقديرات القريبة من الحدود من بيانات بقاء الجرذان. أخيرًا، لا تأخذ الدراسة في الاعتبار البيانات المقيدة، والتي هي شائعة في تحليل البقاء. يمثل معالجة قابلية تطبيق توزيع TI على الملاحظات المقيدة من اليمين والمقيدة الفترية مسارًا مهمًا للبحث المستقبلي.
DOI: https://doi.org/10.19139/soic-2310-5070-3429
Publication Date: 2026-04-14
Author(s): H. M. Hamouda et al.
Primary Topic: Statistical Distribution Estimation and Applications
Overview
In this paper, the authors introduce the Transmuted Ibrahim (TI) distribution, a novel three-parameter lifetime model derived from the Ibrahim distribution through a quadratic rank transmutation map. The TI distribution aims to address significant limitations of the original Ibrahim model, particularly its inadequacy in modeling high kurtosis and pronounced right-tail behavior, which are common in reliability and survival data. The authors derive various statistical properties of the TI distribution, including closed-form expressions for moments, quantile functions, generating functions, and Rényi entropy, while also establishing conditions for unimodality and analyzing modal behavior.
Parameter inference for the TI distribution is performed using maximum likelihood estimation and the method of moments, supported by a Monte Carlo simulation study that confirms the consistency of the estimators across different sample sizes. The practical applicability of the TI model is demonstrated through its fitting to guinea pig and rat survival time datasets, where it outperforms competing models such as the Weibull, Gamma, and Generalized Exponential distributions. Specifically, the TI distribution achieves the best fit for the guinea pig data with the lowest Akaike Information Criterion (AIC) value and the highest Kolmogorov-Smirnov (KS) p-value, while also showing superior performance for the rat survival data. The authors conclude with a discussion of the TI distribution’s limitations, particularly regarding parameter identifiability near boundary values, and suggest avenues for future research.
Introduction
The introduction of the research paper highlights the significance of flexible distribution families in modern statistical methodologies, particularly in survival analysis and reliability engineering. Traditional distributions often inadequately represent complex data characteristics such as skewness, heavy tails, and non-monotonic hazard rates. To address these limitations, Shaw and Buckley introduced the transmuted family of distributions, characterized by the cumulative distribution function (CDF) \( F(x) = (1 + \lambda)G(x) – \lambda G(x)^2 \), where \( G(x) \) is the CDF of a base distribution and \( \lambda \) is a skewness parameter.
The paper specifically critiques the Ibrahim distribution (ID), which combines exponential and Rayleigh components but has constraints that limit its applicability, particularly in representing highly skewed data and accommodating extreme observations. The proposed Transmuted Ibrahim (TI) distribution aims to fill this gap by allowing explicit control over skewness and kurtosis while maintaining the interpretability of hazard rate patterns. The authors present the TI distribution as a generalization of the ID, supported by rigorous proofs of its structural properties, an extensive simulation study, and practical applications to real survival datasets, thereby contributing valuable insights to the field and suggesting avenues for future research.
Results
The results section presents findings from simulations and analyses of two datasets concerning survival times of guinea pigs and rats. The simulation results, detailed in Tables 3-7, indicate that the Maximum Likelihood Estimation (MLE) method outperforms the Method of Moments (MoM) across various parameter configurations, particularly as sample sizes increase. For instance, in Set 1 with mild skewness, the MLE shows a bias consistently below 0.06 and a mean squared error (MSE) that decreases from 0.155 to 0.049 as sample size increases from 100 to 500. In contrast, the MoM exhibits persistent bias, particularly for the parameter λ, underscoring the MLE’s superiority in estimating parameters effectively.
In the analysis of Dataset 1 (guinea pig survival times), the Transmuted Inverse (TI) distribution emerges as the best fit, evidenced by the lowest Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC) values, along with a high Kolmogorov-Smirnov (KS) p-value of 0.5316, suggesting that the data follow this distribution well. The estimated transmutation parameter λ is close to -1, indicating strong left-tail probability mass, which aligns with the dataset’s characteristics. Conversely, Dataset 2 (rat survival times) shows a competitive fit among several distributions, with the TI distribution performing adequately but not as decisively as in Dataset 1. The analysis suggests that while the TI distribution is flexible and effective for modeling right-skewed data with heavy tails, simpler sub-models may be more appropriate when parameter estimates approach boundary values. Overall, the findings advocate for the TI distribution’s utility in lifespan modeling, particularly in contexts requiring flexibility in handling skewed data.
Discussion
The Transmuted Ibrahim (TI) Distribution is introduced as a flexible three-parameter lifetime model characterized by its cumulative distribution function (CDF) and probability density function (PDF). The TI distribution is defined by the parameter vector $\phi = (\alpha, \beta, \lambda)$, with specific conditions ensuring the validity of the PDF. Notably, the TI distribution encompasses several well-known distributions as special cases, such as the base Ibrahim distribution and the transmuted exponential distribution. The distribution exhibits significant flexibility in its hazard rate function, which can be increasing, decreasing, or constant, depending on the parameter values. The analysis confirms that the TI distribution is always right-skewed and has a heavy tail, making it suitable for modeling extreme events.
The statistical properties of the TI distribution, including moments, moment generating functions, and measures of skewness and kurtosis, are derived, revealing its ability to capture asymmetry and tail behavior effectively. The study employs maximum likelihood estimation (MLE) and method of moments (MoM) for parameter estimation, demonstrating that MLE outperforms MoM in larger samples. A simulation study validates the consistency and efficiency of both estimation methods, while real data applications show the TI distribution’s superior fit compared to other established distributions, such as the Generalized Exponential and Weibull distributions. The TI distribution is positioned as a valuable tool for reliability and survival analysis, with future research directions suggested, including multivariate extensions and Bayesian approaches to enhance estimation stability.
Limitations
The limitations of the study highlight several critical issues regarding the application of the transmuted inverse (TI) distribution. Firstly, the simulation results indicate that maximum likelihood estimation can be numerically unstable for small sample sizes (n < 100), particularly affecting the shape parameter $\alpha$ and the transmutation parameter $\lambda$ as they approach boundary values. This instability suggests that practitioners should be cautious when utilizing the TI distribution with limited datasets and may benefit from employing bootstrap methods for more reliable inference. Secondly, the identifiability of parameters becomes problematic when estimates near the boundaries of the parameter space (e.g., $\lambda \to \pm 1$ or $\alpha \to 0$). In such scenarios, simpler sub-models, such as the transmuted exponential or transmuted Rayleigh distributions, may offer comparable fits with fewer parameters, as evidenced by the near-boundary estimates from the rat survival data. Lastly, the study does not consider censored data, which is prevalent in survival analysis. Addressing the TI distribution's applicability to right-censored and interval-censored observations represents a significant avenue for future research.