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.     

定时截尾数据Pareto分布参数的Bayes估计

研究定时截尾数据情形下Pareto分布参数θ的Bayes估计和可容许性.给出熵损失函数的定义,取损失函数为熵损失函数,通过计算求出定时截尾情形下的熵损失函数,从而给出了Pareto分布参数θ的Bayes估计的一般形式;在给出先验分布为Gamma分布的条件下,计算出参数θ的后验密度,进而得出了参数θ的Bayes估计的精确形式,证明了所得到的参数θ的Bayes估计的可容许性.     

定数双截尾下艾拉姆咖分布参数的贝叶斯估计

首先在定数双截尾场合下,当取Jeffreys先验时,得到了艾拉姆咖分布参数的后验分布;其次分别在平方损失、熵损失和对称熵损失函数下给出了参数的贝叶斯点估计;然后由后验分布得到了参数的贝叶斯可信区间;最后通过实例给出了不同截尾样本下参数的点估计和区间估计,并说明了估计与截尾数之间的相关性.     

不同先验分布下三阶Erlang分布参数的Bayes估计

在定数截尾场合下,分别取共轭先验,Jeffreys先验和无信息先验,给出了三阶Erlang分布参数的Bayes点估计和区间估计,用极大似然法得到超参数的估计,通过随机模拟得到参数估计的均值和均方误差.最后通过模拟得到该分布的一组随机样本并给出不同截尾样本下的参数的3种点估计和区间估计.     

Weibull分布下只有一个失效数据的多层Bayes分析

针对在定时截尾试验中仅有一个失效发生情况，利用Weibull分布在m〉1,t〈η（m-1/m）^1/m 条件下的凸性，确定了失效概率pj（j=1,…,k）的多层先验分布，并给出了其Bayes估计。然后用最小二乘法给出Weibull分布参数m，η的估计，进而得到Weibull分布可靠度估计。最后通过实例和随机模拟，讨论了文中C值的选取问题，证明了文中方法的可行性。     

混合指数族分布的参数估计

构造混合指数族分布,分别在正常工作条件下和恒加应力加速寿命试验条件下的完全数据场合、定时截尾和定数截尾的情形下,利用EM算法估计混合指数族分布的参数,综合文献进而得到更一般的结论.最后通过模拟,讨论了一种特殊的混合指数族分布的参数估计问题.     

定时截尾下Weibull分布参数估计的EM算法

在可靠性统计的定时截尾寿命试验中,最后一个失效时间与截尾时刻之间的信息常被忽略.利用EM算法来处理这一情形,得出Weibull分布中尺度参数的迭代解.并将EM算法与传统的极大似然估计进行了比较,可以看出EM算法明显优于传统的极大似然估计.     

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。     

逐步增加II型截尾下Pareto分布参数的区间估计

基于逐步增加的Ⅱ型截尾,讨论了Pareto分布形状参数和尺度参数的区间估计。得到了两参数的区间估计和联合区间估计。最后以估计区间的最短长度为标准,通过数值模拟得到参数的最优区间估计方法。     

艾拉姆咖分布均值比的Bayes估计及检验

给出艾拉姆咖分布在定数截尾场合下均值比k的极大似然估计;由"平均剩余寿命"的概念得到k的拟矩估计;取共轭先验分布给出k的经验Bayes估计、区间估计及假设检验;通过实例给出不同截尾样本下k的点估计和区间估计.     

定数截尾试验下Pareto分布参数的条件Γ-minimax估计

在定数截尾试验下,假设Pareto分布尺度参数α为已知,当形状参数θ的先验分布在分布族Γ1和Γ2上变化时,研究了在对称熵损失函数下,Pareto分布形状参数θ的稳健Bayes估计——条件Γ-minimax估计问题.并利用Monte-Carlo方法进行了模拟,结果表明,条件Γ-minimax估计具有较好的后验稳健性.     

定时截尾下双参数指数模型参数估计的EM算法

利用EM算法讨论在定时截尾试验中最后一个失效时间与截尾时刻之间的信息,得出双参数指数模型中尺度参数的迭代解,并比较了EM算法与传统的极大似然估计,得出EM算法要明显优于传统的极大似然估计.     

指数分布场合下只有一个失效数据的统计分析

针对定时截尾试验中只有一个失效发生情况下,利用指数分布母体分布函数的凹凸性给出了各检测时刻失效概率的Bayes估计,然后用最小二乘法给出指数分布参数λ的估计,进而得到指数分布可靠度估计。最后将此方法应用于实际例子,所得结果较为稳定。     

双边定时截尾下Pareto分布的参数估计

在双边定时截尾样本下,用极大似然法求Pareto分布中形状参数的估计,由于似然方程较复杂,无法得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的. 由于EM算法是处理缺损数据的一种有效方法,因此利用该算法来求参数的估计问题.用EM算法得到了形状参数估计的迭代式,借助Louis遗失信息原则得到了估计的渐近方差,根据中心极限定理得到了形状参数的近似置信区间.随机模拟结果表明形状参数的EM估计收敛到其极大似然估计.实例给出了不同样本下参数的点估计和区间估计.     

混合截尾试验下双参数韦布尔分布可靠性指标的参数估计

定数截尾和定时截尾结合在一起的试验是混合截尾试验.本文主要研究混合截尾试验中韦布尔分布参数的极大似然估计以及可靠度函数和可靠寿命的极大似然估计.并且在正则条件下研究了相应的估计量的相合性和渐近正态性;而且还给出了参数的置信区间.最后利用一个实际数据来说明估计量的性质.     

截尾试验下指数分布可靠度的Bayes估计

在指数分布场合,定时或定数截尾试验下,本文讨论了相应于几种不同先验分布可靠度的Bayes估计。     

指数分布的无失效数据的Bayes统计分析

随着科学技术的进步,产品的质量也不断提高,产品的寿命越来越长,由定时截尾寿命试验获得的数据经常是"无失效数据",特别是高可靠性样本试验的研究.本文根据指数分布的无记忆性,给出可靠度的先验分布,进而在无失效数据的情况下,得到了平均寿命的Bayes估计,并给出了某时间处的可靠度的Bayes估计.     

定时截尾样本下两参数韦布尔分布的矩估计

讨论定时截尾样本下两参数韦布尔分布的矩估计问题.得到了在定时截尾样本下两参数韦布尔分布的矩估计方程,进而得截尾样本的矩估计(MME).证明了修正矩的大样本性质.     

指数分布模型模糊假设检验的贝叶斯方法

在独立同分布样本中，对于单参数指数分布中尺度参数的多重模糊统计假设检验。在定时截尾样本情形下，得到了指定损失函数的贝叶斯解．其中使用的先验分布为Jeffreys先验和共轭先验．最后，给出了数值算例．     

基于弯曲高斯过程组合方法的光伏出力预测研究

针对光伏发电功率受多种天气因素影响造成预测难度大的现状,提出了一种基于弯曲高斯过程的混合模型,可以实现一天内任意时刻的光伏出力的概率预测,获得置信区间预测值和点预测值.该算法先由多元自适应回归样条模型实现对多维输入变量的约减,同时得到待预测值的先验数据,然后利用模糊C均值算法按天气类型对训练集数据和测试集的先验数据进行聚类,得到相似样本,再利用弯曲高斯过程模型对测试集数据进行估计,最后利用Bagging算法实现对子混合模型的集成学习,得到待预测值的区间估计和点估计.仿真及试验结果验证了该混合模型的有效性和可靠性.与高斯过程估计和BP神经网络分位数估计相比,该混合模型精度更高,实用性更强.