加速寿命试验下参数的贝叶斯估计

在加速寿命试验中,贝叶斯估计作为一个常用的估计方法。在用贝叶斯方法估计带约束的参数时,自然考虑到保序回归。使用保序回归解决了不符合约束的情形中的估计。     

对称熵损失函数下指数分布寿命性能指数的贝叶斯检验

在产品的质量特性值服从指数分布条件下,用过程能力指数评估产品的寿命性能,建立了对称熵损失函数下指数分布寿命性能指数的贝叶斯检验方法,给出寿命性能指数C_L的最大似然估计及贝叶斯估计,提出一种新的方法对C_L进行检验,并通过一个应用实例说明该方法的有效性.     

正态分布下参数的模糊贝叶斯估计（英文）

在参数估计中,寿命数据是非常重要的.传统的估计是基于完全精确的寿命数据.然而,在实际中由于种种原因,有时收集的数据往往是不精确的.这样,参数的模糊估计方法就十分必要.本文将贝叶斯估计方法与模糊集理论相结合,给出了正态总体中两参数的模糊贝叶斯估计.最后,用一个数值例子演示了本文的方法.     

先验分布的可识别性

在可靠性研究中,应用贝叶斯方法的困难是定量地确定或估计先验分布。经验贝叶斯方法,提供了解决这一问题的一条可行途经。经验贝叶斯方法的基本思想是利用以往寿命试验的经验数据,对先验分布进行合理的估计,然后在这基础上,按最新试验结果     

船舶寿命无失效数据多层贝叶斯分析

对失效概率Ｐ提出了一种新的先验分布，并在此条件下，用多层贝叶斯方法估计了船舶寿命的失效概率，在假定船舶寿命服从Ｗｅｉｂｌｌ分布的条件下，对船舶寿命的可靠度进行了加权最小二乘估计。     

广义逐次截尾数据下逆高斯分布参数的贝叶斯估计

针对可靠性应用研究中常需要确定寿命分布参数的问题,讨论了在广义逐次截尾数据下具有位置参数和尺度参数的逆高斯分布(inverse Gaussian,IG)的贝叶斯估计问题,给出了两参数的后验密度核。利用逆变换方法,产生遵从后验密度核的随机数,进而研究了估计未知参数的Gibbs抽样策略。Monte-Carlo模拟结果表明:基于广义逐次截尾数据的贝叶斯估计精度接近完全数据下贝叶斯估计。用一个实际例子进一步说明提出方法的可行性。     

长期生存者所占比例的贝叶斯估计

在定时截尾试验兼有随机截尾的情形下 ,给出了一类特殊寿命数据中长期生存者所占比例的贝叶斯估计。     

删失数据威布尔分布参数的贝叶斯统计分析

主要讨论了当寿命分布是威布尔分布时删失数据的贝叶斯统计分析方法．在考虑尺度参数先验取为逆伽玛分布而形状参数先验分别取为离散分布和均匀分布条件下给出了多种删失数据场合参数的贝叶斯估计;同时为使得计算更为简便,给出了计算贝叶斯估计的Gibbs抽样方法．模拟结果表明给出的方法是有效可行的．     

考虑随机退化和信息融合的剩余寿命预测方法

针对性能退化过程服从Wiener过程的产品,运用贝叶斯统计推断法,提出了一种融合产品现场实测性能退化数据与同类产品常规退化试验信息、历史寿命信息的个体剩余寿命预测方法.建立了基于Wiener过程的产品剩余寿命模型;考虑到个体之间的性能退化差异性,假定Wiener过程参数服从随机分布模型,建立了个体现场实测退化数据下分布参数的贝叶斯估计模型,给出了超参数后验估计公式;分别建立了退化数据和寿命数据下的完全似然函数,构建了基于最大期望算法的超参数先验估计模型;通过实例分析验证了所提方法的正确性和优势,结果表明本方法可有效处理个体现场实测退化信息与同类产品先验信息之间的剩余寿命预测问题.     

一类寿命分布的贝叶斯估计问题

本文利用贝叶斯统计方法,研究了定数截尾情形下,两参数拉普拉斯BS疲劳寿命分布参数的Bayes估计问题.当损失函数为复合Mlinex对称损失、平方损失和Mlinex非对称损失时,给出了其参数的Bayes估计的具体形式,为BS疲劳寿命分布的进一步研究提供了理论依据,具有一定的理论价值.     

一类并联系统可靠度的Bayes置信下限

讨论了一类参数是随机变量和寿命服从指数分布的N个元件所成并联系统的可靠度，并且给出了系统可靠度的贝叶斯置信下限的估计方法．     

逐步Ⅱ型截尾下指数分布恒加试验的贝叶斯分析

对逐步Ⅱ型截尾下指数分布场合恒定应力加速寿命试验进行了贝叶斯统计分析,利用Gibbs抽样给出了该模型的两种Bayes估计.最后通过Monte Carlo方法对逆幂律模型进行了模拟,统计表明两种Bayes估计均是有效的.     

Rayleigh分布参数的贝叶斯经验贝叶斯估计

文章在均方损失函数下研究了Rayleigh分布参数的贝叶斯经验贝叶斯估计问题;在b=1条件下,证明了其贝叶斯经验贝叶斯估计是几乎处处收敛于贝叶斯估计的,并且它是渐近最优的;最后,给出蒙特卡罗随机模拟试验验证了此贝叶斯经验贝叶斯估计的渐近最优性。     

左截断右删失数据下泊松分布参数多变点的贝叶斯估计

通过添加缺损的寿命变量数据得到左截断右删失数据下泊松分布的完全数据似然函数.给出变点位置和其它参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行抽样,介绍MCMC方法的实施步骤.把Gibbs样本的均值作为各参数的贝叶斯估计.随机模拟试验的结果表明各参数贝叶斯估计的精度都较高.     

峰度与偏度系数的近似经验贝叶斯估计

建立了单样本数据的贝叶斯模型,给出了偏度系数和峰度系数的线性贝叶斯估计及近似信度估计.进而,将模型推广到多样本数据模型下,并讨论了近似信度估计的统计性质,比较了贝叶斯估计、线性贝叶斯估计及近似信度估计的均方误差.最后,给出了超参数的估计,得到了近似信度估计的经验贝叶斯估计,使该估计可直接运用于实际问题.     

正态模型单参数经验贝叶斯估计

依据经验贝叶斯估计的思想方法,研究在平方损失函数下,正态模型单参数的经验贝叶斯(EB)估计问题.先将理论贝叶斯估计用的边际分布密度函数及该分布密度函数的一阶导数表示出来,再利用过去样本值和当前值 ,采用密度函数的核估计方法构造相应的函数代替理论贝叶斯估计中的函数,得到参数的经验贝叶斯估计,最后证明了所得到的经验贝叶斯估计是渐近最优的.     

Stein损失函数下的保费估计

利用信度理论研究在Stein损失函数下的保费估计问题,分析了贝叶斯估计、信度估计、多层贝叶斯估计3种估计,并计算3种保费估计,比较其结果发现在Stein损失函数下:当样本数n趋于无穷大时,信度保费会收敛到风险保费,且多层贝叶斯估计比贝叶斯估计的稳健性更强.     

矩阵损失下贝叶斯线性无偏估计及其稳健性

证明了,在一般线性模型中,未知参数在二次损失下的贝叶斯线性无偏估计也是矩阵损失下的贝叶斯线性无偏估计.讨论了贝叶斯线性无偏估计关于误差分布的稳健性,给出了未知参数的贝叶斯线性无偏估计是最优估计的充分必要条件.     

基于MCMC稳态模拟的Weibull共享异质性模型及其可靠性应用

针对传统假设中个体寿命独立同分布的不足，构建了贝叶斯Weibull共享异质性模型，提出了对寿命服从Weibull分布的产品，运用基于Gibbs抽样的马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法动态模拟出参数后验分布的马尔可夫链，在异质性因子的先验分布为Gamma分布时，给出随机截尾条件下，参数在Weibull共享异质性模型中的贝叶斯估计，提高了计算的精度。借助数据仿真说明了利用WinBUGS (Bayesian inference using Gibbs samp     

IIRCT下负二项分布参数多变点的贝叶斯估计

通过添加缺损的寿命变量数据得到了带有不完全信息随机截尾试验下负二项分布的完全数据似然函数.给出了变点位置和其他参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行了抽样.详细介绍了MCMC方法的实施步骤,得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计.随机模拟试验的结果表明各参数贝叶斯估计的精度都较高.