对数正态分布无失效数据的可靠性分析

对于对数正态分布的无失效数据问题 ,利用构造先验分布的减函数法给出失效概率的多层Bayes估计 ,从而求出对数正态分布参数与可靠性指标的估计 ,解决了对数正态分布无失效数据的可靠性分析问题     

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.     

无失效数据失效概率的综合估计

本文对指数分布的无失效数据(ti,ni),给出了参数λ的最小二乘估计以及失效概率pi=p{T相似文献   

双超参数无失效数据的E-Bayes可靠性分析

讨论了双超参数情形无失效数据问题.利用构造先验分布为含有双超参数的Beta分布情形的减函数,给出了2个超参数情形下失效概率pi=P(T相似文献   

刻度平方误差损失下二项分布无失效数据的可靠性分析

研究在刻度平方误差损失函数下,二项分布无失效数据的可靠度的Bayes估计及其可容许性,并给出了可靠度的多层Bayes估计的表达式.     

指数分布无失效数据情形的参数估计

基于指数分布场合的无失效数据（ti,ni）,引进失效信息,提出了产品可靠性参数估计的方法,同时结合发动机的实际问题进行了计算,结果表明本文提出的估计方法可行。     

无失效数据的失效概率的E-Bayes估计

提出了参数的一种新估计方法--E-Bayes估计法.在无失效数据情形下,给出了失效概率的E-Bayes估计的定义,在此基础上给出了失效概率的E-Bayes估计.     

无失效数据的参数估计和统计推断分析

文中利用Bayes定理给出了无失效数据基于先验密度核为exp(-kλ)截尾Gamma分布无失效数据参数统计分析以及失效率的估计,以便更好地研究无失效数据问题。     

无失效数据场合失效概率的Bayes估计

在无失效数据场合中,失效概率的Bayes估计是常用的方法,对一类不同先验分布下基于无失效数据的失效概率的Bayes估计和多层Bayes估计进行探索,获得了三个有用的定理和两个推论.关于无失效数据的研究,对可靠性理论与应用技术发展具有重要参考价值且具有方法论上的指导意义.     

正态分布下无失效数据的可靠度分析

针对正态分布场合下无失效数据的情形,利用最小二乘估计,加权最小二乘估计和模糊加权最小二乘估计三种方法,给出正态分布参数和可靠度的计算方法.     

无失效数据情形参数的综合估计

对指数分布的无失效数据,在引进失效信息后,在先验分布为Beta分布时,给出了失效率的多层Bayes估计和综合Bayes估计,并给出了无失效数据情形可靠度的综合估计。     

Bootstrap方法在无失效数据分析中的应用

本文在无失效数据可靠性分析经典方法的基础上,提出了无失效数据参数的Bootstrap估计,并对寿命服从Weibull分布和正态分布的两种情形,分别用Monte-Carlo方法进行了随机模拟,所得的结果与工程经验值一致。     

基于Weibull分布的无失效数据分析

在尺度参数为a、形状参数为β的条件下,给出了Weibull分布场合下无失效数据的一种推断方法,并对一组无失效数据进行了统计分析．该方法根据指数分布函数的凸性性质,给出了备检测时刻失效概率pi（i=1,2,…,m）的相互关系,作为先验信息,得到pi的Bayes估计,进而给出母体参数的估计及可靠性指标．     

考虑异常数据剔除的产品可靠性评估

提出一种考虑异常数据剔除的产品可靠性评估方法,主要是依据异常数据剔除准则将由试验误差和样本分散性造成的异常数据予以剔除。基于加速退化试验数据外推产品伪寿命数据获取产品寿命数据,并对寿命数据进行分布拟合优度检验确定寿命最优分布。结合工程中常用加速模型利用最小二乘估计法进行模型参数估计,将高应力下伪寿命折算到正常应力水平下的寿命值,再依据异常数据剔除准则将不合群寿命数据予以剔除。然后将寿命数据进行分布拟合得到产品寿命分布,进而对产品进行可靠性评估以及可靠寿命估计。以某型加速度计为例验证了所提出的方法适用性和有效性。     

船舶使用寿命中无失效数据的分析

收集到某型号船舶寿命的一组数据，它是无失效的，假定船舶使用寿命服从Ｗｅｉｂｕｌｌ分布，ｐｋ＝Ｐ为船舶在τｋ前失效概率，取ｐｋ的先验分布为对数分布，即π（ｐｋ）＝－１ｎｐｋ，０〈ｐｋ〈１；或０，其他，运用Ｂａｙｅｓ方法得到ｐｋ的Ｂａｙｅｓ估计ｐｋ，然后通过诸点（τｋ，ｐｋ），用加权最小二乘法配一条Ｗｅｉｂｕｌｌ分布曲线，最后获得其参数ｍ和η的估计ｍ和η，并且得到该型号船舶可靠性的估计。     

基于非线性回归最小二乘法的改进Gompertz模型参数估计

可靠性增长试验是产品研制阶段不可缺少的一项提高产品可靠性的工程项目。成败型试验的可靠性增长数据通常用Gompertz模型进行评估,但存在S形增长数据拟合精度差的不足。根据高斯一牛顿最小二乘法和多元线性回归最小二乘法原理,提出改进的Gompertz模型参数估计的非线性回归最小二乘法。用试验数据对改进后的模型进行验证,拟合度较好。     

基于遗传算法的广义非线性最小二乘测量平差

为了解决当前“数字地球”、“数字国家”、“数字城市”、“数字矿山”等数字化工程中广泛出现的具有多源、多维、多类型、多精度、动态和非线性等特点的测量数据的误差处理问题,本文采用了一类基于自然界生物进化基本法则而发展起来的新算法——遗传算法,在提出、设计基于遗传算法的广义非线性最小二乘参数平差方法的同时,给出了遗传算子中选择、交叉、变异算子的设计,以及具体的算法步骤。通过实例计算表明,该遗传算法是进行广义非线性最小二乘参数估计的具有全局最优化的有效方法,为广义非线性测量数据处理提供了又一新的思路。     

排一分析法的简要证明及误差分析

基于排一分析法的最小二乘正则化算法,采用去除其中一个样本值的方法,给出 Zhang Tong 在“Leave one outbounds for kernel methods ”一文中提出的排一分析法的一个简要证明,并进一步研究容量无关的最小二乘回归学习算法的误差分析,得到误差界及学习速率 o m β2β + 1。