两参数指数分布模型多重模糊假设检验的贝叶斯方法

模糊假设检验是统计决策中处理模型概念的一种非常重的情形，对于双参数指数分布尺度参数的多重模糊假设检验，本文在定数截尾样本情形，研究其贝叶斯解，先验分布考虑了Jeffreys先验和共扼先验。     

贝叶斯方法在代码转换器可靠性验证试验中的应用

针对高可靠性产品的可靠性验证试验时间长、费用高等特点,将贝叶斯方法引用到可靠性验证试验中。推导出服从指数分布的贝叶斯可靠性序贯试验方法。将贝叶斯方法与经典序贯试验方法进行比较,贝叶斯方法较大的减少了试验量和试验时间。在某型飞机代码转换器的国产化可靠性验证试验中应用该方法,实际应用结果验证了该方法的有效性。     

分组数据下两参数指数分布的参数估计

考虑两参数指数分布的参数估计问题,在分组数据和最小观察值下,给出了参数的精确极大似然估计.它比在分组数据下文献中的近似极大似然估计有更好的精度,蒙特卡罗模拟表明了这一点.     

多元混合指数分布的参数估计

应用EM算法研究了多元混合指数分布场合下，正常应力对完全数据场合、Ⅰ-型截尾和Ⅱ-型截尾场合的参数估计问题.     

关于次指数分布及其相关类的一个性质

次指数及其相关类分布在随机风险理论以及概率论其它诸多领域具有广泛应用．本文利用Lebesgue-Stieltjes积分的性质，推广了Pitman的相应结果，给出了两个非负独立随机变量最小值服从指数或次指数分布的一般性充分条件．作为推论，如果两个非负独立随机变量都服从指数或次指数分布，那么其最小值也服从指数或次指数分布．     

指数分布区间型删失数据的可靠度最优置信下限

由于测量仪器的精度,测量方法等原因,往往不能得到产品精确的失效时间,得到的是区间型删失数据.本文讨论了指数分布区间型删失数据下的可靠度最优置信下限的估计问题.首先采用极大似然估计方法对指数分布区间型失效数据的失效率进行了估计,然后对每个区间型失效数据采用期望值对其失效时间进行估计,通过估计出的失效时间估计出了可靠度的最优置信下限,并给出了计算机模拟结果.     

Pitman准则下指数分布刻度参数幂的定数截尾估计

在Ｐｉｔｍａｎ准则下，得到指数分布刻度参数Ｋ次害虫的定数截尾的最估估计。     

指数分布参数的E-Bayes方法

基于指数分布定时截尾寿命试验,给出了失效率λ的E-Bayes估计.研究了在超参数取不同密度函数时λ的E-Bayes估计之间的关系和收敛速度以及估计量关于超参数的稳健性,并通过实例,给出了不同超参数下失效率λ和可靠度R(t)的计算结果.     

中间删失双参数指数分布的参数估计

考虑中间删失数据的双参数指数分布，我们观测不到落在某个随机区间内的数据．在随机删失区间的端点分布已知的条件下得到参数的矩估计量及其强相合性．