不同损失下随机截尾BurrXII分布的Bayes统计分析

基于随机截尾试验,研究了BurrXII分布的参数Bayes估计问题.在MLINEX损失和复合MLINEX对称损失函数下,得到该分布未知参数θ的Bayes估计及区间估计,并且运用Monte-Carlo随机模拟方法进行模拟及比较.     

双边定数截尾下Topp-Leone分布的Bayes估计与预测

在双边定数截尾样本下得到了Topp-Leone分布中参数的极大似然估计.基于无信息先验分布和Gamma先验分布,在平方损失和预防损失下分别得到了参数的Bayes估计.根据后验密度函数得到了未知参数的Bayes可信区间和未来观测值的预测密度,进而可得预测值和预测区间.利用Monte-Carlo模拟计算了参数的各种估计的均方误差,研究结果表明:当取Gamma先验分布时,在平方损失下参数的Bayes估计是最优的.最后通过一个寿命数据的例子计算出未知参数的估计以及未来观测值的预测值和预测区间.     

基于下记录值样本的双参数指数威布尔模型的Bayes估计

针对下记录值样本,研究了双参数指数威布尔模型的参数估计问题.首先给出了参数的极大似然估计,随后在参数的共轭先验分布为伽玛先验分布、损失函数为平方误差损失和Linex损失函数情形下,应用Lindley,近似法导出了双参数指数威布尔模型参数的Bayes估计,最后利用R软件进行数值模拟,并对两种参数估计进行比较,发现在合适的先验分布条件下Bayes估计值更加接近参数真实值.因此,在适当的先验分布下Bayes估计较传统的极大似然估计好.     

指数分布参数的Bayes HPD置信区间估计

利用Bayes统计分析方法,研究当先验分布为伽玛分布时,指数分布未知参数λ的Bayes区间估计问题,并给出参数的最高后验概率密度区间-HPD区间估计的条件极值解法,给出例子说明该方法的优越性.     

两参数广义指数分布族形状参数的经验Bayes估计

利用经验Bayes方法研究了两参数广义指数分布未知形状参数的Bayes估计,并给出了数值模拟例子,说明此种方法估计的有效性.     

逐步首失效样本下Burr Ⅻ分布参数的Bayes估计

基于逐步增加首失效截尾试验.研究BurrⅫ分布的参数及可靠性指标的Bayes估计问题.在均方损失和Linex损失下,获得了未知参数θ及可靠性指标的Bayes估计的表达式.并且利用生存函数的期望来估计超参数,最后运用随机模拟方法对各个估计进行了比较.     

复合Mlinex对称损失下k阶Erlang分布参数的Bayes估计

在Mlinex损失函数基础上定义了复合Mlinex对称损失函数;在复合Mlinex对称损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计、E-Bayes估计及多层Bayes估计,并证明了其容许性;最后通过MATLAB模拟检验了参数的3种Bayes估计的合理性和优良性。     

基于记录值的几何分布模型的Bayes可靠性分析

针对来自几何分布的记录值样本,研究可靠度参数的Bayes估计问题.首先给出可靠度的最大似然估计和最小方差无偏估计;在可靠度参数的先验分布为贝塔分布、损失函数为平方误差损失和一类新的加权平方损失函数下,导出了可靠度的Bayes估计;最后通过Monte Carlo数值模拟例子说明论文给出估计的有效性.     

截断Pareto分布的Bayes分析

研究对于截断数据的Pareto分布的Bayes分析，在几种损失函数下，给出了未知参数的Bayes估计，并给出了一种新算法。     

不同损失函数下艾拉姆咖分布参数的Bayes估计——全样本情形

艾拉姆咖分布在装备的维修理论中具有重要的作用.文中首先给出了这类分布在全样本场合下参数的极大似然估计;由于参数的Bayes估计的优良性与所选取的损失函数有关,因此分别在熵损失、Linex损失、二次损失、平方损失和平衡损失函数下,给出了参数的Bayes估计如2n/(2n∑i=1ti+λ)等,并证明了所给估计都是容许的;通过随机模拟比较了几类估计的均方误差以及与真值的偏差,从这两方面来看,在熵损失和平衡损失函数下θ的Bayes估计是较优的;最后通过一个实例,计算了几类估计的值并进行了分析,显示几类估计值相差不大.     

Wiener过程性能退化产品可靠性评估新Bayes方法

针对Wiener过程性能退化产品的可靠性评估问题,通过分析先验分布和损失函数两个因素,提出一种新的Bayes方法.假定Wiener过程参数服从共轭先验分布,对求解参数的后验分布进行理论分析;基于平方损失、绝对损失、0-1损失3种损失函数,分别求得Bayes估计结果;对航空发动机可靠性评估进行了实例分析.相对于已有方法,该方法在求解参数的后验分布时具有更广泛的适用性,并且运算过程更简单.对于民航发动机可靠性评估这一特定应用,3种损失函数中选取绝对损失函数时参数估计的拟合程度最优.     

定数截尾下Lomax分布失效率和可靠度的贝叶斯估计

由定数截尾寿命试验数据,得到了样本的似然函数. 当取形状参数的先验分布分别为共轭先验分布族和Jeffreys先验时,根据贝叶斯公式得到了形状参数的后验分布,并进一步得到了失效率和可靠度的后验分布.当取平方损失和熵损失函数时,根据后验风险最小的原则,由贝叶斯统计方法得到了失效率和可靠度的贝叶斯估计.通过计算机随机模拟1 000次得到失效率和可靠度的均值和均方误差,并且从均值和均方误差两方面对几个估计值进行了比较,结果表明如果没有充分的先验信息可以利用,无法得到超参数a、b较为准确的估计时,应优先使用Jeffreys先验.     

Reliability Assessment Method Based on Interference Variable for Stress-Strength Model

Stress-strength model is a basic and important tool for reliability analysis.There are few methods to assess the confidence limit of interference reliability when the distribution parameters of stress and strength are all unknown.A new assessment method of interference reliability is proposed and the estimates of the distribution parameters are accordingly given.The lower confidence limit of interference reliability with given confidence can be obtained with the method even though the parameters are all unknown.Simulation studies and an engineering application are conducted to validate the method,which suggest that the method provides precise estimates even for sample size of approximately.     

双参数指数分布场合下无失效数据的可靠性试验

在电器的可靠性指标达到某个给定值的情况下,利用Bayes方法给出电器的寿命服从双参数指数分布场合下无失效数据的可靠性验证试验,并利用相同的分析方法给出形状参数的1-α的Bayes可信上限和形状参数的Bayes估计.最后,结合实例进行了计算,结果表明,利用该估计方法优于经典估计方法.     

负二项分布参数的贝叶斯区间估计问题

研究了在先验分布为贝塔分布下，负二项分布未知参数θ的贝叶斯区间估计方法。借助Beta分布与F分布的关系给出了参数θ的一般后验区间估计，并给出了参数θ的最短后验区间估计的条件极值解法。通过对参数取值不同的密度曲线形状的讨论分析和数值实例对比，得出结论：在小样本情况下，最短置信区间估计方法值得采用。     

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．     

受限参数空间上的置信区间

当参数限制在某一范围内并服从一致的分布，且多余参数未知时，其贝叶斯置信区间有很高的置信概率。本文提出了利用随机变量的均值来计算置信区间的方法，并对上述结论进行了充分的检验，结果显示在更短的置信区间上仍然有很高的置信概率。     

左截断右删失数据中泊松分布的贝叶斯推断

研究了左截断右删失数据中泊松分布的贝叶斯推断问题。主要给出了参数的极大似然估计和贝叶斯估计,同时给出了相应的置信区间。最后给出了贝叶斯推断的随机模拟检验,通过检验发现:在小样本的情况下,贝叶斯估计精度比极大似然估计的精度高一些,而在大样本的情况下,这2种估计的精度相差不大。在置信区间的构造方面,不论是小样本还是大样本,最大后验密度置信区间确实比传统的置信区间有效。     

负二项分布参数估计的MM算法

同时求解负二项分布的参数的极大似然估计并不是一件容易的事情,该文利用Tian、Huang 和 Xu 提出的组装分解技术来导出负二项分布中关于未知参数的极大似然估计的MM算法迭代式,并给出该方法的收敛率的计算公式.随机模拟的结果表明的MM迭代结果收敛到其极大似然估计,并且随着样本容量的增加,估计的准确性和精确性以及估计的速度均有显著提高.