二项抽样模型下r/N(G)系统可靠性增长的Bayes估计

本文介绍在二项抽样模型下,部件可靠概率R带有验前Beta分布、验前负对数Gamma分布及其特殊情况验前U(0.1)分布和无信息验前分布,对r/N(G)系统的可靠性增长作出Bayes估计,主要结果有定理2、3、4。     

负二项抽样下r/N(G)系统可靠性增长的Bayes估计

本文讨论了在负二项抽样模型下,部件可靠概率,带有验前负对数 Gamma 分布、验前 Beta分布及其特殊情况验前 U(0,1)分布时,对 r/N(G)系统的可靠性增长作出 Bayes 估计.主要结果有定理1、2.而几何抽样模型下的结论是本文的特例,最后附有实例.     

Gamma部件可靠性的Bayes估计

本文讨论部件寿命服从Gamma分布,当形状参数k已知,尺度参数λ未知时,对部件可靠性进行Bayes估计,为使验前分布的选择更加灵活,作了变换r=e-λτ0,其中t0是参考时间,主要结果为定理1、2,且把Lwin和Singh所做的结果看作本文的特例。     

恒定应力加速寿命试验下负二项抽样产品可靠性的Bayes分析

本文介绍在恒定应力加速寿命试验下负二项抽样模型,参数带有验前负对数 Gamma分布,验前Bata分布及无信息验前分布时,对产品可靠性作Bayes分析。主要结果有定理1、2,最后给出算例。     

指数模型贝叶斯评估中的验前分布

研究在指数模型中用贝叶斯方法进行参数评估时验前分布的确定问题。文中分别以均方误差尽量小和Buehler准则作为判别估计量θ优劣的尺度,讨论了验前参数的有关性质并给出了确定验前参数取值适合域的方法。     

基于KULLBACK信息融合方法的系统可靠性评估

在产品具有多源验前信息的情形下,讨论冷贮备系统的可靠性评估问题,运用Kullback信息作为分布之间距离的度量,在Kullback信息的融合准则下对多个先验分布进行融合。并以融合后的先验分布作为产品的最终验前分布,对冷贮备系统的可靠性指标进行Bayes估计。最后进行的计算机随机模拟结果表明,文中所提出的方法合理且便于应用。     

BVE分布下串联结构系统可靠度的Bayes估计

本文探讨由两个相关部件组成的串联结构系统可靠度的Bayes估计。部件的随机强度服从BVE分布,系统应力服从指数分布。未知参数的先验分布取为相互独立的Gamma分布和无验前知识的先验分布,得到了可靠度的Bayes点估计和Bayes置信区间。     

数控机床不完全维修的贝叶斯可靠性评估

提出了在少样本故障数据情况下,数控机床不完全维修的贝叶斯可靠性评估方法,分析了广义更新过程虚龄模型参数的验前分布和后验分布,利用马尔科夫链蒙特卡洛仿真方法获得了模型参数、累计故障数、故障强度和可靠度等可靠性指标的贝叶斯点估计和区间估计,并分析了某一现场数控机床不完全维修的可靠性.结果表明,与极大似然估计方法相比,贝叶斯可靠性评估方法具有较高的精度.     

不同先验信息下成功概率的Bayes估计

参数的Bayes估计取决于先验分布和损失函数。在平方损失下,参数的Bayes估计是后验分布的均值。在无信息先验、Jeffreys先验和平方损失下,给出两点分布成功概率的估计,比较了其无偏性、方差、均方误差与风险,并进行了数值仿真实验。结果表明:无信息先验分布下的估计优于Jeffreys先验分布下的估计,无信息先验分布下估计的均方误差小于Jeffreys先验分布下的估计的均方误差,无信息先验分布下估计的风险小于Jeffreys先验分布下的估计的风险。     

数控机床贝叶斯可靠性评估模型的综合评价方法

基于DIC(Deviance Information Criterion)信息准则、BGR(Brooks-Gelman-Rubin)诊断原理、蒙特卡洛仿真误差及模型参数和可靠性指标后验估计的区间长度,提出了数控机床贝叶斯可靠性模型的综合评价方法.给出了不同先验下用于Gibbs抽样的幂律过程模型参数的后验分布,并利用马尔科夫链蒙特卡洛法获得了模型参数和可靠性指标的贝叶斯点估计和区间估计.通过2个工程实例进行验证,结果表明,幂律过程模型各项评价指标均优于Weibull分布模型,适用于小样本故障数据数控机床的可靠性评估.     

三阶Erlang分布参数的Bayes估计及检验

首先给出了三阶Erlang分布在定数截尾场合下参数的极大似然估计;其次给出了在“平均剩余寿命”下的三阶Erlang分布参数的拟矩估计;然后再利用共轭先验分布得到了参数的经验Bayes估计、区间估计和假设检验;最后通过模拟得到一组随机样本并给出了不同截尾样本下参数的点估计和区间估计。     

熵损失函数下几何分布参数的Bayes估计

本文在熵损失下，给出了对于任何先验分布的几何分布参数θ的Bayes估计，同时由参数θ的充分统计量Σni=1Xi，给出了熵损失函数下，不同先验分布时几何分布参数θ的Bayes估计，并且证明了在熵损失函数下，对任一先验分布，几何分布的参数θ的Bayes估计δB（X）是可容许估计．     

适用于半迹长测线法的岩体结构面直径Priest-Zhang算法和修正算法适用性

由概率论推导提出能够纠正截短偏差的修正算法,工程应用前为明确2种算法适用范围,先采用2种算法由实测半迹长分布估算直径期望,然后对比2种算法估算的直径期望与真实直径期望的相对误差,进行21组对比试验.结果表明:Priest-Zhang算法估算的直径期望是截短值的线性递增函数,修正算法估算的直径期望是截短值的水平线性函数;截短值较小时,2种算法接近,采用前者已能够获得较高精度,纠正截短偏差意义不大;截短值较大时后者明显更精确,纠正截短偏差能够大幅提高精度,应选用后者.汶川工程实例表明:当截短值为0.1m时,2种算法具有高精度且估算结果接近,值得推广.     

时间序列趋势项的贝叶斯估计

系统地分析了AR(p)误差项的时间序列模型的数学模型及条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-混合Γ先验下模型的贝叶斯推断理论,包括趋势项的核估计参数及先验参数的后验分布的统计推断.     

基于正态-混合对数正态共轭先验下时序趋势项的贝叶斯推断

系统地分析了AR(p)误差项的时间序列模型及条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-混合对数正态共轭先验下模型的贝叶斯推断理论,包括趋势项的核估计参数及先验参数的后验分布的统计推断.     

基于混合先验分布的贝叶斯因子分析模型

针对现有因子分析模型不能充分融合模型参数信息问题,通过研究因子分析模型的统计结构,构造了参数的混合先验分布;利用贝叶斯定理证明了模型因子载荷阵的条件后验分布为矩阵t分布,协方差阵的条件后验分布为逆Wishart分布.实证研究表明:由于参数先验分布的作用,贝叶斯因子分析结果与传统的因子分析之间存在明显的差异.     

确定岩体力学参数先验分布的随机加权Bayes方法

岩体力学参数在进行Bayes法统计时必须利用先验分布,但经常出现先验信息少而不能确定先验分布的情况.为了解决小样本条件下先验分布确定的问题,采用随机加权重采样技术,产生岩体力学参数再生样本来模拟先验信息的总体分布,从而获得岩体力学参数先验信息统计分布的均值与方差,将其与当前样本分布信息代入贝叶斯公式,从而实现了对岩体力学参数后验分布的确定.仿真算例证明,这种方法在进行岩体力学参数估计时比经典参数估计方法有更高的精确性.     

改进的截断正态概率密度模型自适应滤波算法

应用当前统计模型跟踪机动目标时,模型参数机动频率和加速度极限值需要根据经验事先设定,在假设不准确的情况下,大大降低了模型的跟踪精度。针对此问题,基于截断正态概率密度模型,提出了一种新的参数自适应跟踪滤波算法。该模型算法通过使用距离函数来表征目标进行机动的强弱状况,采用指数型调整函数自适应调整目标的加速度极限值和机动频率,从而实现了对系统状态噪声和滤波增益的自适应调整,提高了机动模型与目标实际机动情况的匹配程度,提升了滤波器的跟踪性能。仿真结果表明:与常规ACS和TGPMKF算法相比,新算法在跟踪机动目标时,性能更优。     

误差修正机制转换模型的贝叶斯估计

用贝叶斯估计法来估计误差修正机制转换模型的参数。通过先验分布的设定和贝叶斯定理,求出该模型参数的后验分布,接着使用基于Gibbs抽样的贝叶斯估计技术进行参数估计,最后对贝叶斯估计方法进行统计模拟,模拟结果表明:该方法可以稳健的估计该模型的参数。