双边定数截尾下Pareto分布的可靠性分析

基于双边定数截尾样本,选取未知参数的先验分布为无信息先验和Gamma分布,分别在平方损失和LINEX损失下,研究了Pareto分布的形状参数和可靠性指标(可靠度和失效率)的Bayes估计.为了研究估计的精度,采用Monte-Carlo模拟的方法给出了数值检验的例子.结果表明在LINEX损失下并选用Gamma先验分布时,参数的Bayes估计是最优的.     

逐步增加Ⅱ型截尾下Pareto分布的Bayes估计

基于逐步增加的Ⅱ型截尾样本,当Pareto分布的尺度参数已知时,分别在平方损失和LINEX损失下讨论了其形状参数和可靠性指标(失效率和可靠度)的Bayes估计,并用Monte-Carlo方法对估计结果的MSE,进行了模拟比较.结果表明了在LINEX损失下的估计结果更有效.     

巴斯卡分布参数的Bayes估计

给出巴斯卡分布在参数具有验前β（1／2,0）分布时产品可靠度的Bayes估计,Bayes置信下限以及参数具有含超参数的验前Beta分布时可靠度的多层Bayes估计,并进一步得到几何分布的相应估计。     

线性回归模型的Bayes统计推断

Bayes方法虽融合了样本信息和先验信息，但利用的先验信息都是有历史经验和专家估计所得，因此可靠度不高。该文研究了正态线性回归模型：Y=Xβ＋e，e—N（0，σ^2。L），其中σ^2已知，β为未知参数向量，对传统的Bayes方法进行了改进，即把Bayes方法中的后验信息作为改进Bayes的无验信息并融合样本信息进行统计推断，在二次损失函数下得到了β的改进的Bayes估计。由于改进的Bayes方法的先验信息中有样本信息，因此其准确度比传统的Bayes方法准确度更高。     

定数截尾两参数指数——威布尔分布形状参数的Bayes估计

在不同的损失函数下,本文研究了两参数指数—威布尔分布(EWD)形状参数的Bayes估计问题.基于定数截尾试验,当其中一个形状参数α已知时,给出了另一个形状参数θ在三种不同损失函数下的Bayes估计表达式,并求得了可靠度函数的Bayes点估计.最后运用随机模拟方法,将Bayes估计和极大似然估计进行了比较.结果表明,LINEX损失下Bayes估计的精度比极大似然估计高.     

指数分布族参数的渐近最优与可容许的经验Bayes估计的再探讨

文献[1]在平方损失及超参数α服从伽玛分布且X1′,…Xn′(历史样本)和X(当前样本)独立同分布的条件下,构造了指数分布族{f(x|λ)=λe-λx,λ>0,x>0}的参数λ的渐近最优与可容许的经验Bayes估计.本文在超参数α分别服从伽与分布与指数分布且当前样本由X扩充为X1,…,Xm的情况下,重新构造了指数分布族参数λ的渐进最优与可容许的经验Bayes估计,从而将文献[1]的结果进行了推广.     

非对称损失函数下Burr Ⅻ型分布可靠性指标的Bayes估计

本文研究了R=P(Y＜X)在两种非对称损失函数下的Bayes估计问题,其中随机变量X和Y相互独立且服从不同的Burr XII型分布.利用Lindley近似方法,获得了Bayes估计的显式近似表达式,通过随机模拟比较了不同损失函数下的Bayes估计的性质.     

基于Weibull寿命模型对工业中可靠度指标进行Bayes估计

主要研究了工业中可靠性指标R=P(Y X)的参数估计问题,其中X和Y是具有相同尺度参数但不同形状参数的Weibull分布的独立随机变量,计算得到了R的极大似然估计和近似的极大似然估计.进一步根据上述结果计算得到了相应的渐近分布,并用它来构造渐近的置信区间.同时考虑了非参数的Bootstrap置信区间.另外,提出了基于不同的Gibbs抽样方法的Bayes估计:Metropolis-Hastings和Adaptive Rejection Metropolis Sampling.最后,通过数值模拟和实际数据的分析来对比不同参数估计方法的性能.     

NA样本下Pareto分布参数的经验Bayes估计

讨论了Pareto分布在平方损失下参数的Bayes估计,采用同分布负相协样本的核估计方法讨论了参数的经验Bayes(EB)估计问题,并计算了给定条件下参数的经验Bayes估计的收敛速度。最后,对我国高收入阶层的财富分布情况进行了实证分析,实证分析表明我国高收入阶层的财富分布是可以用Pareto分布来描述的。     

产品可靠度的E-Bayes估计

提出了参数估计的一种新方法——E-Bayes估计法.对Pascal分布,给出了可靠度的E-Bayes估计的定义(在先验分布中有一个超参数情形),在此基础上给出了可靠度的E-Bayes估计,并给出了可靠度的E-Bayes估计性质——E-Bayes估计和多层Bayes估计的关系.最后,给出了模拟算例,结果表明本文提出的E-Bayes估计法可行且便于工程应用.     

截尾数据时回归函数基于分割估计的相合性

设(X1,Y1),(X2,Y2),…,(Xn,Yn)为取值于Rd×R1中i.i.d.样本,本文在截尾样本下,研究了非参数回归函数基于分割估计及改良基于分割估计的强相合性.     

参数的E Bayes估计法及其应用

提出了参数的一种估计方法—— E Bayes估计法 ,对寿命服从指数分布的产品 ,在失效率的先验分布为 Gamma分布时 ,给出了失效率的 E Bayes估计和多层 Bayes估计 ,并在此基础上给出了失效率和可靠度的 E Bayes估计的性质 .结合实际问题进行了计算 ,结果表明提出的 E Bayes估计法可行且便于应用 .     

熵损失函数下几何分布可靠度的Bayes估计

本文在几何分布的先验分布为幂分布时研究了其在熵损失函数下,可靠度的多层Bayes估计及其容许性,给出了可靠度的多层Bayes估计的计算公式.通过实例验证,在熵损失函数下计算出的几何分布可靠度的多层Bayes估计是稳健的,并进一步表明在熵损失函数下计算出的几何分布可靠度的多层Bayes估计值比其在平方损失函数下算出的结果精度更高.     

经验Bayes估计渐近理论中的若干未决问题

这里介绍Singh在[3]中提出的关于经验Bayes估计的渐近理论的几个猜测,及某些有关问题。 设有绝对连续的一维指数分布族 dP_θ(x)=f_θ(x)dx=C(θ)~(θx)h(x)dx,θ∈ 为R~1上的一有限或无限区间。假定取平方损失L(a,θ)=(a-θ)~2θ有先验分布G.θ的Bayes估计记为d_G=d_G(x),其Bayes风险记为B(G). 设有历史样本X_1,…,X_n,当前样本X。按经验Bayes理论的基本假定,X_1,…,X_,(X,θ)相互独立,且每个X_i的分布与X的边缘分布相同。任一同时依赖于X_19,…,X_n和X的估计d_n=d_n(X_1,…,X_n,X)称为θ的一经验Bayes估计,其Bayes风险定义为     

对称熵损失下BurrⅫ分布族形状参数和失效率函数的Bayes估计

基于逐次定数截尾样本,在对称熵损失下,针对不同的先验分布,讨论BurrXII分布的形状参数和失效率函数的Bayes估计。对先验分布中所含的超参数采用减函数法构造其先验分布,从而得到相应的Bayes估计。文中说明了所得到的估计是可容许的,文尾运用Monte Carlo方法对估计量的MSE进行了模拟比较。结果显示,所得到的估计有较高的精度。     

熵损失函数下两参数指数威布尔分布尺度参数的Bayes估计

本文给定一截尾样本，在熵损失函数下，研究了两参数指数威布尔分布尺度参数在先验伽玛分布下的Bayes估计，并给出了该参数的Bayes区间估计。     

供应链网络可靠性的多层Bayes估计模型

对供应链网络可靠性进行界定和分析,以节点企业间的协同为基础,得到可靠度计算模型,以此为依据采集实证样本无失效运行的数据.根据供应链网络可靠性统计特性,建立一种多层Bayes估计方法,应用于样本可靠性评估中.在估计失效率的基础上,对供应链网络可靠度进行估计,对仿真结果进行分析,显示多层Bayes估计方法应用效果较好,精确度高,反映了参数不确定性对供应链网络可靠性的影响,能够较好地解决依据无失效数据判定供应链网络可靠性水平的问题.     

多级评分及其Bayes估计

对多级评分的测验题型 ,给出了其Bayes模型 ,在无信息先验分布或先验分布是Dirichlet分布情形下求出了参数的Bayes估计 ,并对后者在不同样本条件下给出了先验分布超参数的估计     

固定效应时异系数广义空间自回归模型的估计与模拟

空间面板数据模型常呈现时异特征,现实经济现象中的空间关联多带有时异特性。基于此,本文构建固定效应时异系数广义空间自回归模型,首先采用拟极大似然(QML)方法估计模型并证明参数估计量的渐近性,其次依据贝叶斯(Bayes)公式推出参数后验分布并设计MCMC抽样,最后基于数值模拟比较两种方法在有限样本下的模拟情况,结合具体实例对比分析两种方法的实际估计效果。结果发现:一方面,两种方法的参数模拟均方误差都表现出随样本个体数目的增大而减小,表明增加观测个体数目能显著降低参数模拟偏差。另一方面,Bayes估计的均方误差都小于QML估计,说明Bayes估计比QML估计更可靠。     

连续型单参数指数族参数的经验Bayes估计问题:NA样本情形

对连续型单参数指数族在平方损失下导出了参数的Bayes估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,并在适当条件下获得了EB估计的收敛速度.文末给出一个满足定理条件的例子.