A análise de dados do ciclo de vida está na vanguarda da ciência aplicada, impactando campos tão diversos como engenharia, medicina e finanças. Os modelos tradicionais, como a distribuição exponencial e a distribuição de Lindley, têm os seus méritos, mas muitas vezes não conseguem captar a complexidade dos fenómenos do mundo real. A distribuição Suja é um novo modelo que promete fornecer uma abordagem mais adaptativa para a análise de dados de vida. O seu lançamento marca um passo importante em direcção a uma compreensão mais precisa da dinâmica do fracasso e da sobrevivência, fornecendo uma ferramenta com maior flexibilidade e fiabilidade para analisar esses dados críticos.
Num estudo marcante publicado no Alexandria Journal of Engineering, o professor Hanaa Abu-Zinadah e Tamadur Alsumairi da Universidade de Jeddah apresentam um modelo estatístico inovador denominado distribuição Suja. Esta distribuição inovadora de parâmetro único fornece uma nova maneira de modelar dados de vida útil, o que é fundamental para uma ampla gama de aplicações, desde engenharia até finanças. A exploração de vários métodos de estimativa vai além da estimativa tradicional de máxima verossimilhança e melhora significativamente a precisão e a confiabilidade da inferência estatística.
A iniciativa liderada pelos professores Abu-Zinadah e Alsumairi para desenvolver uma abordagem mais adaptativa à modelação de dados de longevidade marca um momento crítico na investigação da distribuição da longevidade. “Além disso, uma nova distribuição de parâmetro único chamada ‘distribuição Suja’ é proposta e estudada para modelar dados de vida. A estimativa de seus parâmetros é explorada usando a estimativa de máxima verossimilhança e o método dos momentos. Nesta exploração, adotamos uma distribuição flexível de parâmetro único para modelar dados de vida com um formato de taxa de falha perigosa (HFR) e confiabilidade superior a essas distribuições de vida chamadas distribuição Suja (SD)”, explicou Alsumairi.
A adaptabilidade da distribuição Suja na modelagem precisa dos tempos de falha do produto é crítica para avaliar a qualidade e a confiabilidade do produto e é fundamental para sua exploração. Ao conduzir um estudo abrangente de simulação de Monte Carlo, os professores Abu-Zinadah e Alsumairi conseguiram avaliar e comparar o desempenho de diferentes estimadores de parâmetros Suja, demonstrando a sua excelente adaptabilidade e fiabilidade numa variedade de conjuntos de dados do mundo real.
“Nosso objetivo era desenvolver estimativas de SD usando diferentes métodos clássicos. Além disso, realizamos testes de ajuste em três conjuntos de dados reais”, observou o professor Abu-Zinadah. Ele destacou a amplitude da sua análise e a abordagem abrangente adoptada para validar a distribuição Suja numa variedade de conjuntos de dados reais.
Métodos que incluem mínimos quadrados, mínimos quadrados ponderados e estimadores baseados em percentis são explorados, demonstrando a flexibilidade da distribuição Suja em diferentes cenários. “Quando os dados são derivados de uma função de distribuição com forma fechada, é relativamente normal estimar os parâmetros desconhecidos ajustando uma linha reta aos pontos teóricos e aos pontos percentuais amostrais obtidos da função de distribuição. Este método tem sido usado para estimar os parâmetros de muitas distribuições”, explica Alsumairi, explicando a utilidade de sua abordagem.
Esta exploração abrangente abre novos caminhos na modelagem estatística e promete avanços significativos na análise de confiabilidade e em outras áreas. A distribuição Suja tornou-se uma inovação revolucionária devido à sua robustez e adaptabilidade, orientando os professores Abu-Zinadah e Alsumairi a realizar análises mais precisas e significativas dos dados ao longo da vida. Seu trabalho é complementado por um estudo detalhado da estimativa de máxima verossimilhança (MLE), bem como da função de densidade de probabilidade (PDF) e da taxa de falhas perigosas (HFR) da distribuição Suja. Isto é ilustrado por um estudo de simulação de Monte Carlo que avalia o desempenho de vários estimadores, demonstrando a fiabilidade e adaptabilidade da distribuição sem se aprofundar em demasiado jargão técnico.
Referência do diário
Hanaa Abu-Zinadah, Tamadur Alsumairi, “Estimativa de aplicação de parâmetros de distribuição Suja”, Alexandria Engineering Journal, 2024. DOI: https://doi.org/10.1016/j.aej.2023.11.069.
Sobre o autor
Hana Abu Zinada é Professor de Estatística Matemática no Departamento de Matemática e Estatística da Faculdade de Ciências da Universidade de Jeddah, Jeddah, Reino da Arábia Saudita. Ela nasceu em abril de 1976 em Jeddah, Reino da Arábia Saudita.
Ele recebeu seu bacharelado em matemática em 1996, seu mestrado em matemática em 2001 e seu doutorado em matemática em 2001. Licenciatura em Matemática e Estatística, Departamento de Matemática, Faculdade de Educação Feminina, Jeddah, Reino da Arábia Saudita (2006).
De 2010 a 2019, atuou como Chefe do Departamento de Estatística, AL Faisaliah, Faculdade de Ciências, Universidade King Abdulaziz, Jeddah, Reino da Arábia Saudita. Desde 2020, é professora titular de estatística matemática.
Sua pesquisa abrange diversas áreas da estatística, incluindo teoria de distribuição, inferência estatística, estatística de pedidos e estudos de simulação. Sua experiência se estende a uma variedade de linguagens de programação e ferramentas estatísticas, permitindo-lhe aprofundar-se em análises complexas e controle de qualidade estatística.
Seu trabalho teve um grande impacto nos campos da ciência estatística e da pesquisa interdisciplinar. A sua produção de investigação, incluindo artigos sobre vários modelos matemáticos e as suas implicações práticas, demonstra uma mistura de rigor teórico e relevância no mundo real.
A sua dedicação contínua à investigação estatística e à supervisão de teses de pós-graduação reflecte o seu compromisso em moldar o futuro da ciência estatística. Suas contribuições sem dúvida inspirarão novos avanços e inovações em métodos estatísticos e suas aplicações.
E-mail: hhabuznadah@uj.edu.sa
Tamadul Alsumairi é pesquisador estatístico e analista de dados com mestrado em Estatística pelo Departamento de Matemática e Estatística da Faculdade de Ciências da Universidade de Jeddah, Arábia Saudita (2024). Ela também possui bacharelado em Estatística pelo Departamento de Estatística da Faculdade de Ciências da Universidade King Abdulaziz, Jeddah, Arábia Saudita (2016).
Com uma forte paixão pelos números e pela análise de dados, dedicou a sua vida académica e profissional à área da estatística. Sua formação educacional lhe proporciona um profundo conhecimento de métodos estatísticos, modelagem matemática e interpretação de dados.
Durante seus estudos, ela ganhou experiência prática em diversas técnicas estatísticas, como teste de hipóteses, análise de regressão, análise de séries temporais e análise multivariada. Ela também é proficiente em linguagens de programação comumente utilizadas em análise estatística, como R, e utiliza Excel e SPSS para análise de dados. Além disso, ela utiliza programas Mathematica para estimar parâmetros, realizar simulações numéricas e aplicar dados reais em pesquisas científicas.
Sua experiência acadêmica proporcionou-lhe uma base sólida em pesquisa e análise estatística, permitindo-lhe coletar, organizar e analisar com eficácia conjuntos de dados complexos. Ela é especialista em visualização de dados e pode comunicar com eficácia resultados e insights estatísticos. Ela é detalhista, analítica e tem fortes habilidades de resolução de problemas.
Ela agradece a oportunidade de aplicar seu conhecimento estatístico e habilidades analíticas para contribuir com organizações que necessitam de insights baseados em dados. Ela busca constantemente expandir seus conhecimentos e se manter informada sobre os últimos avanços em métodos estatísticos e técnicas de análise de dados. E-mail: tamadur.93@gmail.com.
