非齐次泊松过程的统计推断

对可修系统或产品进行可靠性增长研究,其强度函数为Vi（t）=αiβitβj-1,并定义了系统能达到的MTBF,给出了它的极大似然估计,点估计和区间估计。     

泊松分布参数的区间估计

本文讨论了泊松公布与Γ分布的联系,并通过X~2分布的分位点表示泊松参数的置信限。     

基于非齐次泊松过程的共享停车场运营策略

为缓解因城市某些地区、某些时间段停车供需不平衡的问题,将居住区内空闲车位进行共享的解决方法已引起多方的关注。在居住区实施共享停车时,需考虑车位提供者与社会停车用户的时空冲突问题。本文首先基于实际停车行为数据,假设车位提供者返回过程呈非齐次泊松过程;其次,以居住区共享停车为运营场景,居住区停车场车位共享率和管理者收益最大化为目标,构建了相应的数学优化模型;最后,设计了粒子群求解算法,通过数值实验,分析该场景下的最优运营策略。结果表明：(1)社会停车用户的最大离开速率在其占车位总数的四分之一左右时,管理者总收益最大;(2)随着车位提供者车位返回速率突变时间的改变,要使得总收益及车位共享率最优,第一阶段变更共享策略时间设置在车位提供者返回速率突变时间前三十分钟内,第二阶段变更共享策略时间应设置在车位提供者返回速率突变时间后一小时五十分钟以内为宜。     

非齐次泊松过程模型参数估计的奇异性

非齐次泊松过程类模型简称在软件可靠性工程的软件可靠预计工作中，有着广泛的应用。而且，通过实践的证明，用它们来描述非均匀性的软件测试过程，也是成功的，在应用Ｏｈｂａ的三参数ＮＨＰＰ模型时，由于参数β（错误引入率，β＞０）的引入是从Ｇ－Ｏ模型演化来的，致使在以该模型拟合软件的故障数据时，产生了奇异性，为了解决在应用Ｏｈｂａ三参数ＮＨＰＰ模型中的这一奇异性问题，我们应用常用的路径跟踪方法，较好地克服了奇     

非齐次泊松过程类软件可靠性增长模型

现有的基于故障覆盖率的软件可靠性增长模型多是只考虑了累计故障覆盖率 ,没有描述每个测试用例能够获得的故障覆盖率 .为了使软件可靠性增长模型能更好地刻画软件的测试过程 ,建立了两个基于故障覆盖率的非齐次泊松过程类软件可靠性增长模型 .第一个模型假设每个测试用例有相同的故障检测能力 ,能获得相同的故障覆盖率 ;第二个模型考虑了越晚检测到的故障其被检测到的概率越低的特点 ,模型假设每个测试用例的故障检测能力与其出现的次序相关 .利用一组公开发表的软件失效数据对这两个模型进行了验证 ,结果表明这两个模型在这组失效数据上均能得到较好的拟合效果 .     

非齐次泊松过程模型的参数计算方法

在软件可靠性分析中，应用最大似然估计方法三参数非齐泊松过程模型的参数时，所得到的方程组出现奇异性，直接求解存在很多困难，本文针对这种奇异性，采用区间优选法解决了这一问题，并实现了计算机自动求解。     

IIRCT下泊松分布参数单变点的贝叶斯估计

首先通过添加数据得到了带有不完全信息随机截尾试验下泊松分布的完全数据似然函数,然后研究了变点位置和其它参数的满条件分布,接着利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对参数进行了估计,最后进行了随机模拟,试验结果表明参数贝叶斯估计的精度较高.     

基于CU变换的非齐次泊松过程的统计验证模型

开源软件中故障输入数据的非齐次泊松过程(NHPP)的检验和均值函数的估计是排队论分析中重要的子问题。本文依据均值函数的连续性和缓慢变化性,把NHPP转化为小区间泊松性的分段常数非齐次泊松过程(PC NHPP)进行研究,主要运用条件均匀(CU)变换法对数据调整变换后,验证泊松性。本文还运用Bugzilla的错误报告数据对模型实践分析,结果显示CU变换后的验证效果可以接受。最后运用R语言拟合参数,计算出故障输入过程参数,为排队论模型构造和求解奠定基础。     

贝叶斯框架下泊松分布参数的估计

在给定的泊松样本X1,X2,...,Xn下,研究了泊松分布参数λ的贝叶斯估计问题.在p,q对称损失函数L(λ,δ)=(λ/δ)p+(δ/λ)q-2(p,q∈Z+)下,得到了参数λ的贝叶斯估计的精确形式并讨论了它的可容许性,最后研究了参数λ的最大后验区间估计.     

非齐次泊松过程中向量参数极大似然估计的重对数律

对于具有向量参数的非齐次泊松过程的一般模型,论证了向量参数极大似然估计每个分量的收敛速度符合重对数律。     

非齐次泊松冲击模型下寿命IFRA分布类

研究了元件在运行一定时间to受非齐次泊松冲击下的寿命分布类,就3种模型给出了元件在运行岛时刻后的剩余寿命是IFRA的,该结论推广了泊松冲击模型的相应结果。     

高斯—泊松点过程的收敛

本文沿用文[1]中的记号和术语.按照文[2]、[3]的定义,称S 上的点过程ξ为Gauss—Poisson 过程(G—P 过程),如果存在S,S×S 上的局部有限测度λ和H,满足:1)H(A×B)≤min(λ(A),λ(B)),凡A,B∈B;2)H(dt×ds)=H(ds×dt)使得ξ有如下形式的Laplace 变换:     

基于事件点联合分布的自激滤过泊松过程的低阶矩

利用事件发生点的联合分布给出了自激发射噪声过程的第一、二阶矩,在此基础上得到了自激滤过的泊松过程的第一、二阶矩的简洁证明。     

缺失数据场合泊松分布参数的贝叶斯估计

本文给出了缺失数据场合泊松分布参数的经验贝叶斯估计、无信息先验下的贝叶斯估计且基于贝叶斯风险进行了比较.     

贝叶斯框架下泊松分布参数倒数的估计

在给定的一组泊松样本下,研究了泊松分布参数倒数的贝叶斯估计问题,得到了它的贝叶斯估计的精确形式,并讨论了它的可容许性,最后给出了它的贝叶斯置信下限的表达式以及最大后验区间估计的精确形式.     

基于距离估计的无线传感网络移动节点定位研究

针对传统MCL算法定位精度低的不足,提出了一种基于距离估计的改进蒙特卡罗定位算法—DEMCL.首先根据网络连通度、锚节点信息和节点间的相邻关系估计目标节点与锚节点间的距离;然后利用该距离构建新的过滤条件加入算法的过滤阶段,以优化样本集和减小定位误差;最后以Matlab为工具对算法的定位性能进行仿真和分析.仿真结果表明:在同一环境下,与MCL算法和MCB算法相比,DEMCL算法能保证更高的定位精度,同时减少了无效定位的节点数目,网络覆盖率可达到98.83%.