使用余弦函数构造的一族新型 alpha 幂生成分布及其在应用与回归建模中的运用

为何新的曲线能更好地讲述数据故事

从灯泡的寿命到患者治疗后的存活时间，许多现实问题归结为“还要等多久才会发生某事？”统计学家用称为概率分布的数学曲线来描述这些模式。但经典曲线在拟合复杂、嘈杂的实际数据时常常力不从心，尤其是在失效风险上升、下降或以意外方式弯曲时。本文提出了一族新的分布，旨在更自然地适应此类复杂模式，同时不增加过多参数或复杂性。

用熟悉的要素构建更聪明的曲线

作者将两种已有思想结合，形成更灵活的分布族。第一种成分称为 alpha 幂变换，它允许统计学家调节曲线的不对称性及尾部厚度——也就是极大或极小值出现的频率。第二种成分是余弦变换，一种平滑的波状函数，可以在不增加新参数的情况下重塑曲线。通过将标准的“基线”分布先后经过这两步变换，他们创建了所谓的余弦 alpha 幂生成（CAP-G）族。该框架可应用于许多常见分布，从而产生更能匹配复杂数据的新分布。

一种用于寿命和等待时间的多用途工具

为展示方法的威力，作者聚焦于该族的一个特殊成员——基于广泛使用的韦布尔分布构建的模型，称为余弦 alpha 幂-韦布尔（CAP-W）模型。韦布尔曲线在工程和医学中早已受欢迎，因为它能捕捉随时间增加、减少或保持不变的风险。CAP-W 保留了这些优点，同时获得更强的灵活性：其形状可以是对称或高度偏态，平滑下降或尖锐峰值，并且能再现多种风险模式，包括稳步上升的风险、稳步下降的风险、先降后升的“J 型”风险，以及先升后缓的“倒浴缸”风险。所有这些主要由一个变换参数加上常规的韦布尔参数来控制。

在不丧失实际关注点的情况下剖析内部机理

在幕后，作者推导了 CAP-W 曲线的主要数学性质。他们给出了分位数（如中位数或关键百分位数）、矩（描述均值与变异性）以及尾部行为和不确定性度量的公式。还展示了如何计算顺序统计量，这在考察样本中最小值或最大值时很重要。为从数据中估计模型参数，他们比较了四种常用技术：极大似然法、普通最小二乘法、加权最小二乘法和一种称为 Cramér–von Mises 的最小距离方法。通过大量计算机模拟，发现随着样本量增大，这四种方法的准确性都提高，其中极大似然和普通最小二乘法通常表现最好。

将新模型付诸实践

为检验 CAP-W 在实践中的表现，作者将其拟合到四组截然不同的真实数据：银行客户的等待时间、通信设备的修理时间、头颈癌患者的生存时间，以及飞机空调系统的故障时间。在每个案例中，他们将 CAP-W 与若干已被认为具有灵活性的竞争模型进行比较。使用常见的拟合优度度量，CAP-W 持续位居前列或非常接近最佳，并且图形检验显示其曲线在分布主体和尾部都能尤其贴近观测数据。

从分布到完整的回归模型

作者进一步将新曲线嵌入回归框架。通过对寿命取对数并重新表达参数，他们构建了对数 CAP-W（LCAP-W）回归模型。这使得可以将生存时间与患者特征关联起来，类似于熟悉的生存模型，但具有 CAP-W 形状带来的额外灵活性。应用于一个经典白血病数据集时，LCAP-W 回归的拟合明显优于若干先进的竞争模型，同时仍支持残差图等标准诊断工具以检查异常值和模型适用性。

对现实世界数据分析的意义

对非专家而言，结论是这项工作提供了一族新的、更具适应性的曲线，用于描述事件发生时间数据——例如机器何时故障、客户何时离开或疗法何时失效。由于该方法重用了易于理解的构件并且不依赖不断增加参数，它兼具灵活性和可解释性。尤其是 CAP-W 模型能够匹配标准模型可能遗漏的广泛风险模式，其回归版本又能将这些模式与有意义的预测变量联系起来。随着数据变得更丰富、更复杂，这类在形状上灵活但易于管理的工具能为事件如何以及何时发生提供更清晰、更可靠的洞见。

引用: Alghamdi, A.S., ALoufi, S.F. A new family of alpha power-G using cosine function with applications and regression modeling. Sci Rep 16, 6617 (2026). https://doi.org/10.1038/s41598-026-36324-5

关键词: 寿命建模, 韦布尔分布, 生存分析, 回归模型, 概率分布