李光輝，張崇岐

（1.凱里學院數(shù)學科學學院，貴州凱里 556011；2.廣州大學經(jīng)濟與統(tǒng)計學院，廣東廣州 510006）

混合指數(shù)族分布的參數(shù)估計

李光輝1，張崇岐2

（1.凱里學院數(shù)學科學學院，貴州凱里 556011；2.廣州大學經(jīng)濟與統(tǒng)計學院，廣東廣州 510006）

構(gòu)造混合指數(shù)族分布，分別在正常工作條件下和恒加應(yīng)力加速壽命試驗條件下的完全數(shù)據(jù)場合、定時截尾和定數(shù)截尾的情形下，利用EM算法估計混合指數(shù)族分布的參數(shù)，綜合文獻進而得到更一般的結(jié)論.最后通過模擬，討論了一種特殊的混合指數(shù)族分布的參數(shù)估計問題.

混合分布；指數(shù)族分布；EM算法；加速壽命

0 引 言

對于混合分布很多文獻均有介紹［1－2］，對其中的參數(shù)進行估計的主要方法是利用EM算法. EM算法是近年發(fā)展很快且應(yīng)用很廣的一種算法，其最大的優(yōu)點是簡單和穩(wěn)定.許多文獻已嘗試用EM算法來估計混合分布問題，如混合伽瑪分布場合［3］、混合正態(tài)分布場合［4］、Weibull分布場合［5－6］，一些文獻討論了在混合指數(shù)分布的場合下的參數(shù)估計問題［6－10］.關(guān)于混合分布的文獻中所涉及到的分布基本上都是指數(shù)族分布，因此，本文旨在構(gòu)造混合指數(shù)族分布，用EM算法對其中的參數(shù)進行估計，所得到的結(jié)果更具有一般性，在此條件下，文獻中所提到的混合分布都可視作混合指數(shù)族分布的特例.

指數(shù)族分布的密度函數(shù)為

其中，θ為參數(shù)，本文討論的混合指數(shù)族分布的密度函數(shù)為

設(shè)樣本x1，x2，…，xn為取自密度為（1）的樣本，對于混合總體，本文使用如下記號，記Θ＝（p，θ1，θ2）′為未知的參數(shù)向量，以fji，F(xiàn)ji和sji分別表示樣本xi服從參數(shù)為θj的指數(shù)族分布的密度函數(shù)，分布函數(shù)和生存函數(shù)，有以下形式

并記fi和si分別表示樣本xi服從形如（1）的混合指數(shù)族分布的密度函數(shù)和生存函數(shù)

上述記號中都有j＝1，2，i＝1，2，…，n.

本文旨在導(dǎo)出混合指數(shù)族分布參數(shù)估計的統(tǒng)一迭代公式，逐一討論混合指數(shù)族分布在正常應(yīng)力和恒加應(yīng)力下的完全數(shù)據(jù)樣本和截尾數(shù)據(jù)樣本的參數(shù)估計.通過討論一種特殊的混合指數(shù)族分布的參數(shù)估計問題，并進行模擬，說明參數(shù)估計的收斂效果良好.

1 正常應(yīng)力水平下完全數(shù)據(jù)的參數(shù)估計

對于xi服從混合指數(shù)族分布fi，設(shè)Ii＝為示性變量，Ii＝1表示xi是取自f1i的總體，Ii＝0表示xi是取自f2i的總體.由于xi取自于哪個總體是未知的，因而Ii是不可觀測的隨機變量.易得Ii～B（1，p），i＝1，2，…，n，且之間相互獨立.

xi與Ii的聯(lián)合分布為g（xi，Ii；Θ）＝（pf1i）Ii·［（1－p）f2i］1－Ii，由此Ii在xi給定的條件分布為

對于給定的初值Θ（0），利用EM算法對參數(shù)進行估計.

（1）（E－步） 求期望

（2）（M－步） 通過求解?Q（Θ，Θ（l－1））／?Θ＝0極大化求Θ（l），即使得Q（Θ，Θ（l－1））＝max Q（Θ（l），Θ（l－1））.由于log（fji）＝log h（xi）＋θjxi－b（θj），j＝1，2.

對數(shù)似然函數(shù)的期望Q求導(dǎo)并令其等于0，可得

建立良好的安全責任制度是落實安全問題的有效措施之一，建立安全責任制度首先因該有一個完整的安全責任體系，體系中應(yīng)該明確各級別管理人員、各部門工作人員以及崗位工人的責任，將責任進行分解，使所有負責相關(guān)項目的人員都能夠明確自己的責任，對于每個項目都要根據(jù)項目的復(fù)雜情況配備相應(yīng)的安全管理人員，要保證項目一旦在哪個環(huán)節(jié)出現(xiàn)問題能夠立刻找出責任人，使腳手架項目問題能夠得到及時的解決。

2 正常應(yīng)力水平下的截尾情形

2.1 定數(shù)截尾情形

設(shè)樣本容量為n的總體的前r個次序統(tǒng)計量x1，x2，…，xr取自密度為（1）的混合指數(shù)族分布的樣本，現(xiàn)要估計Θ可使用類似的方法，對于xi服從混合指數(shù)族分布fi·，設(shè)Ii＝1表示xi是取自f1i的總體，Ii＝0表示xi是取自f2i的總體.由于xi取自于哪個總體是未知的，因而Ii是不可觀測的隨機變量.易得Ii～B（1，p），i＝1，2，…，n，且之間相互獨立.

在定數(shù)截尾情形下，沒有截尾的樣本xi與Ii的聯(lián)合分布為g（xi，Ii；Θ）＝（pf1i）Ii［（1－p）· f2i］1－Ii，由此Ii在xi給定的條件分布為

對于截尾的樣本，xi與Ii的聯(lián)合分布為g（xi，Ii；Θ）＝（ps1i）Ii［（1－p）s2i］1－Ii，由此Ii在xi給定的條件分布為

對于給定的初值Θ（0），利用EM算法對參數(shù)進行估計.

（1）（E－步） 求期望

（2）（M－步） 對數(shù)似然函數(shù)的期望Q求導(dǎo)并令其等于0，通過求解?Q（Θ，Θ（l－1））／?Θ＝0極大化求Θ（l）.

2.2 定時截尾情形

對于樣本容量為n的總體，實驗進行到τ時刻即停止，有r個樣本失效，類似之前的討論并沿用2.1中的記號，可得到對數(shù)似然函數(shù)期望Q的形式為

3 恒加應(yīng)力水平下完全數(shù)據(jù)的參數(shù)估計

4 恒加應(yīng)力水平下的截尾情形

4.1 定數(shù)截尾情形

在應(yīng)力水平Si下共有ni個樣品，其中有ri個樣品失效.

4.2 定時截尾情形

類似之前的討論，沿用4.1中的記號，設(shè)在應(yīng)力水平Si下截止到τi時刻停止實驗，共有ri個樣品失效，對于給定的初值Θ（0），利用EM算法對參數(shù)進行估計.

（1）（E－步） 求期望

5 模擬實例

為了驗證EM算法在估計混合指數(shù)族分布時的效率，本文取2類指數(shù)族分布：Γ分布與指數(shù)分布混合而成的分布，其密度函數(shù)的形式為

在此假設(shè)Γ分布中的形狀參數(shù)α＝2為已知的.共生成40個隨機數(shù)，這些數(shù)中有30個隨機數(shù)取自指數(shù)分布Exp（0.01）的總體，另外的10個隨機數(shù)取自Γ（0.2，2）的總體，混合以后從小到大排列如下：

如果給定參數(shù)的初值為Θ＝（p，λ1，λ2）′＝（0.5，0.1，0.2）′，在正常應(yīng)力條件下的完全樣本情形，經(jīng)過50次迭代，參數(shù)估計值收斂散點圖見圖1.

圖1 正常應(yīng)力條件下完全樣本參數(shù)估計值散點圖Fig.1 Scatter plot of complete sample parameter estimates under the condition of normal stress

從圖1可見，在10次迭代以內(nèi)參數(shù)估計值基本收斂，50次迭代后的參數(shù)估計值為

2個樣本是按照3：1的比例混合，在該估計中，雖然p值估計與真值有所偏差，但由于2組樣本在中間部分比較接近，故λ1，λ2的估計值與真值十分接近.

下面驗證在恒加應(yīng)力定數(shù)截尾情形下的參數(shù)估計.假設(shè)有2個加速應(yīng)力S1與S2，隨機生成100個隨機數(shù)，按照4∶6的比例混合，且在2組應(yīng)力下的參數(shù)真值分別為：Θ1＝（p，λ11，λ12）′＝（0.40，0.01，0.20）′，Θ2＝（p，λ21，λ22）′＝（0.40，10.00，2.00）′，按10%的比例截尾.經(jīng)過50次迭代，參數(shù)估計值收斂散點圖見圖2.

從圖2可見，在應(yīng)力S1下，經(jīng)過50次迭代，參數(shù)估計值基本收斂，在應(yīng)力S2下，經(jīng)計算，50次迭代后參數(shù)估計為（λ21，λ22）′＝（8.385 920，1.497 890）′，與真值有一定偏差，導(dǎo)致偏差的原因一方面是由于定數(shù)截尾樣本中，后10個樣品數(shù)據(jù)為截尾數(shù)據(jù)，造成樣本信息的部分損失；另一方面，由于指數(shù)族分布的混合壽命模型一般來說很少具有穩(wěn)健性，高截尾方案的推斷比少量截尾方案更強的受到模型偏離的影響.

本文討論了混合指數(shù)族分布的參數(shù)估計問題，EM算法是處理這類問題的有效方法.但如果混合指數(shù)族分布中所含未知參數(shù)較多，在利用EM算法對參數(shù)進行估計時，進行到M步時需要解出似然函數(shù)極大值的參數(shù)解，很多情形下，方程組關(guān)于未知參數(shù)往往沒有顯示解，故只能求近似解，若在小樣本場合或缺失數(shù)據(jù)較多的情形下，參數(shù)估計的效率較低.如何有效地解決多參數(shù)混合分布的估計問題仍有待進一步研究.

圖2 （a）S1下參數(shù)估計值散點圖；（b）S2下參數(shù)估計值散點圖Fig.2 The scatter plot of parameter estimates under diagram S1and S2

［1］ 王建康.混合分布理論及應(yīng)用［J］.生物數(shù)學學報，1995，3（10）：87-92.

WANG JK.Mixture distribution and its application［J］.JBiomath，1995，3（10）：87-92.

［2］ 王承煒，吳沖鋒，朱戰(zhàn)宇.混合分布理論研究［J］.上海交通大學學報，2004，38（3）：335-339.

WANG CW，WU C F，ZHU Z Y.Research onmixture distribution hypothesis［J］.JShanghai Jiaotong Univ，2004，38（3）：335-339.

［3］ DIEKINSON JP.On the resolution of a mixture of observations from two gamma distributions by the method ofmaximum likelihood［J］.Metrika，1974，21：133-141.

［4］ 皮六一，劉忠，茹詩松.持股市值、持股數(shù)貧、持股種類的概率分布分析［J］.應(yīng)用概率統(tǒng)計，1998，14（4）：286-394.

PIL Y，LIU Z，RU SS.Probability distribution analysis on market value，amount and varities of stocks［J］.Chin JAppl Probab Statist，1998，14（4）：286-394.

［5］ 王繼霞，申培萍.定時截尾下Weibull分布參數(shù)估計的EM算法［J］.河南師范大學學報：自然科學版，2009，37（2）：9-11.

WANG JX，SHEN P P.The EM algorithm of parameter estimation of Weibull distribution under Type-I censoring sample［J］.JHenan Norm Univ：Nat Sci，2009，37（2）：9-11.

［6］ 李光輝，趙磊.基于Weibull分布的定期檢測的貯存系統(tǒng)可靠性模型［J］.魯東大學學報：自然科學版，2012，28（3）：219-222.

LIG H，ZHAO L.The reliability model of periodically detecting storage system based on the Weibull distribution［J］.Ludong Univ J：Nat Sci Edi，2012，28（3）：219-222.

［7］ 仲崇新，張志華.指數(shù)分布場合定時和定數(shù)截尾步進應(yīng)力加速壽命試驗的統(tǒng)計分析［J］.應(yīng)用概率統(tǒng)計，1991，7（1）：52-60.

ZHONG C X，ZHANG ZH.Statistical analysis of types1 and 11 censoring data from step-stress accelerated life testingmodels under the exponential distribution［J］.Chin JAppl Probab Statist，1991，7（1）：52-60.

［8］ 朱利平，盧一強，茆詩松.混合指數(shù)分布的參數(shù)估計［J］.應(yīng)用概率統(tǒng)計，2006，22（2）：137-150.

ZHU L P，LU Y Q，MAO SS.Estimation of parameters ofmixed exponential distribution［J］.Chin JAppl Probab Statist，2006，22（2）：137-150.

［9］ 馬志明，劉瑞元，習麗.多個子總體混合分布的參數(shù)估計［J］.西北民族大學學報：自然科學版，2007，28（1）：11-15.

MA ZM，LIU R Y，XI L.Parameter estimation ofmixed exponential distribution［J］.JNorthwest Univ National：Nat Sci Edi，2007，28（1）：11-15.

［10］嚴海芳，蔣卉.混合指數(shù)分布恒加應(yīng)力下的MCEM加速算法［J］.湘潭大學自然科學學報，2011，33（3）：35-37.

YAN H F，JIANG H.MCEM algorithm of parameters estimation inmixture exponential distribution for constant stress accelerated［J］.Nat Sci JXiangtan Univ，2011，33（3）：35-37.

Estimation of parameters ofm ixed exponential fam ily distribution

LIGuang-hui1，ZHANG Chong-qi2

（1.School of Mathematics Sciences，Kaili University，Kaili556011，China；
2.School of Economics and Statistics，Guangzhou University，Guangzhou 510006，China）

This paper firstly constructs amixed exponential family distribution.Secondly，we employ the EM algorithm for themixed exponential family distributionmodel under the normal stress life time testwith full data or censored samples.Comprehensive literature then helps us getmore general conclusions.Finally，the paper discusses a specialmixed exponential family distribution parameters estimation through simulation.

mixture distribution；exponential family distribution；EM algorithm；accelerated life

O 212

A

【責任編輯：周 全】

1671-4229（2015）03-0010-07

2014－12－05；

2014－12－31

貴州省科學技術(shù)聯(lián)合基金資助項目（黔科合LH字［2014］7243）；凱里學院2014年重點課題資助項目（z1401）；凱里學院基礎(chǔ)數(shù)學重點學科建設(shè)資助項目（KZD2009001）；國家自然科學基金資助項目（11271094）.

李光輝（1985－），男，講師，碩士.E-mail：liguanghui1985＠126.com