Estimación de la función de confiabilidad usando remuestreo Jackknife y transformaciones

Palabras clave: estimadores no paramétricos, función de confiabilidad, intervalos de confianza, Jackknife, transformaciones

Resumen

Para la fiabilidad de sistemas uno de los objetivos principales es estimar la función de confiabilidad usando los estimadores de Kaplan-Meier y Nelson-Aalen, bajo el enfoque no paramétrico. Cuando se recurren a técnicas computacionales, la estrategia de Jackknife delete-I brinda ventajas por sus propiedades de consistencia para la estimación de la varianza. Sin embargo, se tiene incertidumbre sobre la posibilidad de mejorar las estimaciones cuando se aumenta el número (d) de observaciones que son suprimidas en el procedimiento secuencial de Jackknife delete-d. Por otra parte, por sus propiedades asintóticas de estabilización de la varianza, las trans- formaciones log y log(-log) son usadas para encontrar intervalos de confianza (ic) para la función de confiabilidad. En este trabajo, se propone combinar simultáneamente las dos estrategias para encontrar los ic para la función de confiabilidad, proponiendo un nuevo procedimiento que no requiere de ajuste paramétrico en el tiempo de ocurrencia del evento de interés. Además de mejorar la estimación de la función de confiabilidad cuando los porcentajes de censura son altos y los tamaños de muestra pequeños. En la investigación se realiza una comparación vía simulación con tamaños de muestras (10,25,50) y porcentajes de datos censurados (0%,15%,50%) para calcular las tasas de error (T.E) e índices de calidad (I), mejorando las estimaciones con porcentajes de censura altos (50%). Los resultados de este trabajo muestran que se puede mejorar la estimación por intervalo en escenarios complejos de censuras y tamaños de muestra a la literatura del análisis de datos en confiabilidad.

Biografía del autor/a

Javier Ramírez Montoya, Universidad de Córdoba

PhD(C) Estadística, Magíster en Ciencias Estadística, Estadístico. Universidad de Córdoba, Montería , Colombia.

Edgar Ramos Ramírez, Universidad de Córdoba

Estadístico. Universidad de Córdoba, Montería, Colombia.

José Luis Martínez Salazar, Universidad del Sinú

PhD Estadística, Especialista en Estadística, Licenciado en Matemáticas y Física. Universidad del Sinú, Montería, Colombia.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Javier Ramírez Montoya, Universidad de Córdoba

PhD(C) Estadística, Magíster en Ciencias Estadística, Estadístico. Universidad de Córdoba, Montería , Colombia.

Edgar Ramos Ramírez, Universidad de Córdoba

Estadístico. Universidad de Córdoba, Montería, Colombia.

José Luis Martínez Salazar, Universidad del Sinú

PhD Estadística, Especialista en Estadística, Licenciado en Matemáticas y Física. Universidad del Sinú, Montería, Colombia.

Referencias bibliográficas

I. Muhammad, X. Wang, C. Li et al., “Estimation of the reliability of a stress-strength system from poisson half logistic distribution”, Entropy, vol. 22, no. 11, oct. 2020. doi: https://doi.org/10.3390/e22111307

S. Nematolahi, S. Nazari, Z. Shayan et al., “Improved Kaplan-Meier estimator in survival analysis based on partially rank-ordered set samples”, Comput. Math. Methods Med., vol. 2020, id 7827434, abr. 2020. doi: https://doi.org/10.1155/2020/7827434

K. Nagashima, H. Noma, Y. Sato et al., “Sample size calculations for single‐arm survival studies using transformations of the Kaplan–Meier estimator”, Pharm. Stat., vol. 20, no. 3, pp. 499-511, mar. 2020. doi: https://doi.org/10.1002/pst.2090

C. F. Jekel, y V Romero, “Bootstrapping and jackknife resampling to improve sparse-sample uq methods for tail probability estimation”, en asme 2019 Verification and Validation Symposium, may. 2020. doi: https://doi.org/10.1115/VVS2019-5127

M. H. Quenouille, “Problems in plane sampling”, Inst. Math. Stat. Collect., vol. 20, no. 3, pp. 355-375, sept. 1949. doi: https://doi.org/10.1214/aoms/1177729989

J. Ramírez-Montoya, I. Osuna-Vergara, J. Rojas-Mora et al., “Remuestreo Bootstrap y Jackknife en confiabilidad: caso exponencial y Weibull”, Fac. Ing., vol. 25, no. 41, pp. 55-62, ene.-abr. 2016. doi: https://doi.org/10.19053/01211129.4137.

P. D. Rostron, T. Fearn y M. H. Ramsey, “Confidence intervals for robust estimates of measurement uncertainty”, Accredit. Qual. Assur., vol. 25, no. 2, pp. 107-119, dic. 2020. doi: https://doi.org/10.1007/s00769-019-01417-4

O. Borgan y K. Liestol, “A note on confidence intervals and bands for the survival function based on transformations”, Scand. J. St., vol. 17, no. 1, pp. 35-41, 1990. https://www.jstor.org/stable/4616153

A. Johnson. y M. Ugochukwu, “Survival estimation using Bootstrap, Jackknife and k-repeated Jackknife methods”, J. Mod. Appl. Stat. Methods, vol. 13, no. 2, nov. 2014. doi: https://doi.org/10.22237/jmasm/1414815240

A. Kumar-Mahto, Y. Mani-Tripathi y F. Kızılaslan, “Estimation of reliability in a multicomponent stress–strength model for a general class of inverted exponentiated distributions under progressive censoring”, J. Stat. Theory Pract., vol. 36, no. 3, pp. 965-987, ago. 2020. doi: https://doi.org/10.1002/qre.2610

A. Barbiero, “Data transformation for confidence interval improvement: an application to the estimation of stress-strength model reliability”, Adv. Decis. Sci., vol. 2014, id 485629, oct. 2014. doi: https://doi.org/10.1155/2014/485629

A. Khalifeh, E. Mahmoudi y A. Chaturvedi, “Sequential fixed-accuracy confidence intervals for the stress–strength reliability parameter for the exponential distribution: two-stage sampling procedure”, Comput. Stat., vol. 35, no. 4, pp. 1553-1575, feb. 2020. doi: https://doi.org/10.1007/s00180-020-00957-5

P. Plum, H. Lewitschnig y J. Pilz, “Exact confidence intervals for the hazard rate of a series reliability system”, Annu. Reliab. Maintainab. Symp., pp. 1-6, ene. 2020. doi: https://doi.org/10.1109/RAMS48030.2020.9153656

E. Kaplan y P. Meier, “Estimation from incomplete observations”, J. Am. Stat. Assoc., vol. 53, no. 282, pp. 457-481, jun. 1958. doi: https://doi.org/10.1080/01621459.1958.10501452

R. P. C. Lira, R. Antunes-Foschini y E. M. Rocha, “Survival analysis Kaplan-Meier curves: a method to predict the future”, Arq. Bras. Oftal., vol. 83, no. 2, pp. 5-7, dic. 2020. doi: https://doi.org/10.5935/0004-2749.20200036

W. Nelson, “Hazard plotting for incomplete failure data”, J. Qual. Technol., vol. 61, pp. 27-52, ene. 1969. doi: https://doi.org/10.1080/00224065.1969.11980344

J. Kalbfleisch y R. Prentice, The statistical analysis of failure time data, 2ª ed, Nueva York: John Wiley & Sons, 1980. doi: http://dx.doi.org/10.1002/9781118032985

R Development Core Team, A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2007. http://www.R-project.org

J. C. Correa y E. Sierra, “Intervalos de confianza para la comparación de dos proporciones”, Rev. Colomb. Estad., vol. 26, no. 1, pp. 61-75, 2003. https://revistas.unal.edu.co/index.php/estad/article/view/28677.

Jiang, R. “A bias-corrected Kaplan-Meier estimator”, en Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling, pp. 1-6, ago. 2020. doi: https://doi.org/10.1109/APARM49247.2020.9209357

J. Ramirez-Montoya. “Comparación de intervalos de confianza para la función de supervivencia con censura a la derecha”. Revista Colombiana de Estadística, vol. 34, no. 1, pp. 197-209, 2011. https://revistas.unal.edu.co/index.php/estad/article/view/29918

L. Wang, y F. Yu, “Jackknife resampling parameter estimation method for weighted total least squares”, Commun. Stat.-Theory and Methods, vol. 49, no. 23, pp. 5810-5828, jun. 2020. doi: https://doi.org/10.1080/03610926.2019.1622725

Cómo citar
Ramírez Montoya, J., Ramos Ramírez, E., & Martínez Salazar, J. L. (2022). Estimación de la función de confiabilidad usando remuestreo Jackknife y transformaciones. Ciencia E Ingeniería Neogranadina, 32(1), 71–82. https://doi.org/10.18359/rcin.5682
Publicado
2022-06-03
Sección
Artículos

Métricas

Crossref Cited-by logo
QR Code