HAL Id: inria-00386747
https://hal.inria.fr/inria-00386747
Submitted on 22 May 2009
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Loi du temps de franchissement d’un seuil par un processus gamma
Christian Paroissin, Ali Salami
To cite this version:
Christian Paroissin, Ali Salami. Loi du temps de franchissement d’un seuil par un processus gamma.
41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. �inria-00386747�
proessus gamma
Ch. Paroissin
1
& A. Salami
2
1
Université de Pau et des Pays de l'Adour, Laboratoire de Mathématiques et de leurs Appliations -
UMRCNRS 5142,Avenuede l'Université, 64013 Pauedex, Frane, paroissuniv-pau.fr
2
Université de Pau et des Pays de l'Adour, Laboratoire de Mathématiques et de leurs Appliations -
UMRCNRS 5142,Avenuede l'Université, 64013 Pauedex, Frane,ali.salamiuniv-pau.fr
Mots-lés : Fiabilité- qualité
Résumé. On onsidère le proessus gamma omme modèle de dégradation. Le temps
de franhissement d'un seuil déterministe ou aléatoireest étudié.Dans le premieras, la
loiest aratérisée de manièreexate. Dans le seond as, on propose d'approher le as
généralpareluioùleseuilest aléatoiresdelaloidonnéeparun mélangedeloisd'Erlang.
Abstrat. We onsider the gamma proess as a degradation model. The hitting time
ofadeterministiorrandomlevelis onsidered.Inthe rst ase,the distributionisgiven
expliitely.In theseondase,wepropose toapproximatethegeneralase byonsidering
mixturesof Erlang distributions.
1 Introdution et modèle
Le proessus gamma est un des proessus stohastiques les plus utilisés en abilité
pour modéliserladégradationd'unsystème. On rappelleladénitionde e proessus [6℄.
Soit
ξ ∈ R
+ etη = (η
t)
t≥0 une fontion réelle stritement roissanteet nulle en zéro. Onditque
(D
t)
estunproessusgammasietseulementsi:(1)D
0= 0
;(2)sesaroissements sontindépendants;(3)sesaroissementssontdeloigamma.Pluspréisément,pourtoutt
etδ
,D
t+δ− D
test une variablealéatoirede loigammade paramètres(ξ, η
t+δ− η
t)
.Ceiimplique que toutes les marginales de e proessus sont aussi de loi gamma : pour tout
t ≥ 0
, ladensité deD
t est :f
Dt(x) = 1 ξΓ(η
t)
x ξ
ηt−1e
−x/ξ1
R+(x) ,
où
Γ(·)
est lafontion gamma. Le as oùη
est linéaire,η
t= αt
, est elui le plus souventonsidéré dans lalittérature. Eneet, dans e as, le proessus
(D
t)
est àaroissements stationnaires:pourtoutt
etδ
,D
t+δ− D
t etD
δ ontmêmeloi.Alors(D
t)
est unproessuslinéaires sont également onsidérés. Le plus fréquent des as non-linéaires est elui où
η
est une fontion puissane, i.e. de la formeη
t= αt
β. Pour e modèle,β
est souventonsidéré ommeonnu lorsde l'estimationdes paramètres. Lawless and Crowder [4℄ont
parailleursonsidéréuneautreasnon-linéaireenhoisissantlaourbede Paris-Erdogan
pour
η
t modélisantlapropagation d'une ssure.2 Temps de franhissement
La panne d'un système est souvent onsidérée à travers le proessus de dégradation.
Dans e as, on suppose en général que le système est en panne dès que le niveau de
dégradationdépasse un ertainseuil.On onsidère iideux as :lepremieroùleseuil est
déterministeet leseond oùle seuil est aléatoire.
3 Cas d'un seuil déterministe
Soit
c
uneonstantestritementpositiveauseuilritiquededégradation.Ononsidère alors lavariablealéatoireT
c déniepar :T
c= inf {t ≥ 0 ; D
t≥ c} .
Puisque le proessus
(D
t)
est à trajetoires roissantes, on a:∀t ≥ 0 , P [T
c> t] = P [D
t< c] .
Le résultati-dessous généralise eluide Park etPadgett [5℄:
Proposition 1 Supposons que la fontion
η
est dérivable. Alors, ladensité deT
c est :f
Tc(t) = η
′tΨ(η
t) − log c
ξ 1 − Γ(η
t, c/ξ) Γ(η
t)
+ η
t′η
t2Γ(η
t) c
ξ
ηt2
F
2(η
t, η
t; η
t+1, η
t+1; −c/ξ) ,
où
Ψ
est la fontion digamma,Γ(·, ·)
la fontion gamma inomplète supérieure et 2F
2 lafontion hypergéométriquegénéralisée d'ordre
(2, 2)
.3.1 Cas d'un seuil aléatoire
Depuis l'artile d'Abdel-Hameed [1℄, plusieurs auteurs ont onsidéré le problème du
tempsd'atteinte d'un seuil aléatoire
C
.Partant de la proposition préédente, ilest faile de aluler la fontion de répartition deT
C lorsqueC
est une variable aléatoire de loiexponentielle de paramètres
ρ
:Proposition 2 La densité de
T
C est :f
TC(t) = η
t′(1 + ρξ)
−ηtlog(1 + ρξ) .
Ce résultat a été démontré par Frenk and Niolai [3℄ par une autre tehnique. Les
alulsne sontpasaussisimplesdansleasgénéral.Cependantilestpossibled'approher
la loi de
C
par une loi de type phase, par exemple par un mélange de lois d'Erlang. Onrappelle que l'ensembledes mélanges de lois d'Erlang est dense dans l'ensemble des lois
à valeurs dans
R
+ [2℄. Il est alors faile de montrer la onvergene en loi des temps defranhissement.On ale résultatsuivant pour le mélangede lois d'Erlang:
Proposition 3 Supposons que la loi de
C
est elle d'un mélange de lois d'Erlang de laforme :
∀x ∈ R
+, f
C(x) =
n
X
i=1
p
iρ
kix
ki−1(k
i− 1)! e
−ρx,
ave
(p
1, . . . , p
n)
tel quep
1+ · · · + p
n= 1
etp
i> 0
,ρ > 0
etk
1, . . . , k
n> 0
. Alors lafontion de répartition de
T
C est :F
TC(t) =
n
X
i=1
p
ik
i! (η
t)
kiρξ 1 + ρξ
ki(1 + ρξ)
−ηt2F
11, η
t+ k
i; k
i; ρξ 1 + ρξ
.
Bibliographie
[1℄ Abdel-Hameed M. (1975). A gamma wear proess. IEEE Trans. Reliab., Vol. 24(2),
152-153.
[2℄Coozza-Thivent C. (1997).Proessusstohastiques et abilité des systèmes, Springer.
[3℄Frenk J.B., NiolaiR.P.(2007). Approximatingthe randomizedhitting time distribu-
tion of a non-stationary gamma proess. ERIM Report Series Referene No. ERS-2007-
031-LIS.
[3℄Lawless J., Crowder M. (2004). Covariates and Random Eets in a Gamma Proess
Model with Appliation to Degradation and Failure. Lifetime Data Analysis, Vol. 10,
213227.
[4℄ Park C., Padget W.J. (2005). Aelerated Degradation Models for Failure Based on
Geometri Brownian Motion and Gamma Proesses. Lifetime Data Analysis, Vol. 11,
511527.
[5℄ van Noortwijk J.M. et al, (2007). Gamma proesses and peaks-over-threshold distri-
butionsfortime-dependentreliability,ReliabilityEngineering andSystemSafety, Vol.92,
16511658.