本論文は、ランダムセンサリングメカニズムにおける二パラメーターマクスウェル分布のパラメータ推定および信頼性分析の問題を調査します。しきい値パラメータが欠如しているため、実際の応用において従来の単一パラメーターマクスウェル分布の制限に対処するために、本論文は二パラメーターマクスウェル分布モデルを提案します。しきい値パラメータを導入することで、このモデルは最小寿命または保証された運転時間を持つ生存データをより正確に特徴づけることができます。具体的には、故障時間とセンサリング時間の両方が二パラメーターマクスウェル分布に従うと仮定されるランダムセンサリングデータモデルを構築します。主な研究内容には、ランダムにセンサリングされたデータモデルの確立、最尤推定に基づく古典的推論方法の導出が含まれます。一般的なエントロピー損失関数の下で、ベイズ推定はスケールパラメータに対する共役逆ガンマ事前としきい値パラメータに対する均一事前を用いて行われます。ハイブリッドMCMCアルゴリズムを実装して事後サンプルを生成し、最高の事後密度信頼区間を構築します。それらのパフォーマンスをモンテカルロシミュレーションを通じて比較し、バイアス、平均二乗誤差、区間推定に関する有限サンプルの挙動を評価し、最終的に結腸癌の臨床試験からの実際の医療データセットを使用して二パラメーターモデルの実用性と優位性を検証します。結果は、二パラメーターマクスウェル分布がしきい値特性を持つ生存データをより正確に記述でき、モデルフィットと信頼性推定において単一パラメーターモデルを上回ることを示しています。
Liu et al. (2026)はこの問題を研究しました。