一般$\delta$\,-冲击模型中无失效数据的Bayes统计推断

在这篇文章中, 我们针对一般冲击模型, 研究Bayes方法处理无失效数据的问题. 所谓一般$\delta$\,-冲击模型是指系统受到强度为$\lambda$的Poisson冲击, 当两个连续冲击之间时间间隔的长度不属于某个固定的区间[$\delta_1,\delta_2$]时, 系统将失效. 我们分别选择均匀分布和Beta分布作为先验分布, 用Bayes方法和多层Bayes方法得到了参数$\delta_1$和$\delta_2$的估计.     

指数分布参数多层Bayes和E Bayes估计的性质

本文讨论无失效数据下指数分布参数多层Bayes估计和E Bayes估计的性质,在超参数分别取两种不同的先验分布下,证明参数的多层Bayes估计和E Bayes估计渐近相等,且多层Bayes估计值小于E Bayes估计值.     

无失效数据的Bayes和多层Bayes估计

对无失效数据的研究 ,是近些年来遇到的一个新问题 ,在实际问题中迫切需要解决 ,这项工作具有理论和实际应用价值 .本文对无失效数据 (ti,ni) ,在时刻ti 的失效概率pi=p{T 相似文献   

二项分布参数多层Bayes和E Bayes估计的性质

讨论无失效数据下二项分布参数E Bayes估计和多层Bayes估计的性质,证明二项参数的多层Bayes估计和E Bayes估计渐近相等,且E Bayes估计值小于多层Bayes估计值.     

无失效数据失效概率的Bayes估计

本文对无失效数据(ti,ni)在ti 时刻的失效概率pi= P｛T< ti｝的先验密度的核为(1- pi)k时,给出了pi 的Bayes估计和多层Bayes估计,由此可以得到无失效数据可靠度的估计.最后,结合实际问题进行了计算.     

无失效数据情形参数的综合估计

本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Gamma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,还结合实际问题进行了计算。     

产品失效率的验前分布稳健性分析

研究Bayes统计分析中利用验前信息的稳健性.首先,用一般方法研究了指数寿命型分布中失效率的验前分布的稳健性.然后利用Gamma分布函数的典型性质,并以平方损失下的后验期望损失为判别准则,讨论了失效率的最优Bayes稳健区间.给出了失效率的最优Bayes稳健点估计.     

无失效数据的Bayes和多层Bayes分析

本文推广了文献[6]的结果，对指数分布无失效数据的失效率，给出了Bayes估计、Bayes置信上限以及多层Bayes估计，从而可以得到无失效数据可靠度的估计，最后，结合实际问题进行了计算。     

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。     

稳健Bayes估计

在Bayes估计问题中,我们证明了当损失函数满足一定条件时,所对应的Bayes估计是稳健的:即Bayes估计是后验分布的连续泛函(相对于后验分布之间的Kolmogorov距离)。     

无失效数据情形可靠性参数的估计和调整

本文在无失效取样情形下,提出了产品可靠性参数的一种估计和调整的方法———加权多层Bayes估计法.在无失效数据情形下失效率的多层Bayes估计和引进失效信息后失效率的多层Bayes估计的基础上,对可靠性参数进行了估计和调整———给出了失效率和可靠度的加权多层Bayes估计.最后,结合发动机的实际问题进行了计算,结果表明本文提出的方法可行且便于应用.     

加权p,q对称熵损失下一类指数分布模型参数的估计

在由信息论中的熵演绎出的一种新损失一加权P,q对称熵损失L(θ,δ)=θ/Pδp+δq/qθq-2(ρ,q>0)下,研究了一类指数分布模型c(x,η)θ-νe-νe-T(x)/θ的参数θ的Bayes估计的一般形式与精确形式,讨论了参数θ的形如cT(X)+d的一类估计的可容许性与不可容许性,并应用积分变换定理证明了参数θ的Bayes估计与可容许估计具有不变性,     

无失效数据情形失效率的综合估计

对指数分布的无失效数据，提出了无失效数据情形失效率的综合估计法。在失效率的先验分布为截尾Gamma分布时，给出了失效率的多层Bayes估计。在引进失效信息后，在失效率的先验分布为截尾Gamma分布时，给出了失效率的多层Bayes估计和综合估计，并给出了可靠度的综合估计，结合实际问题进行了计算。     

商业银行操作风险计量模型的Bayes估计

对于商业银行来讲,一个很重要的问题是损失数据缺乏,而损失数据缺乏会影响模型参数的估计,用Bayes估计解决了这一问题.Bayes估计的方法利用商业银行专家提供的意见确定先验分布,能够有效地解决损失数据缺乏的问题.实证分析的结果表明,Bayes估计与极大似然估计的结果.不考虑存在着一定的差距.不考虑各部分风险之间的相关性,基于Bayes估计与极大似然估计时VaR与ES的大部分结果相差不大.     

Levy分布参数估计的损失函数和风险函数的Bayes推断

给出了在共轭先验分布下,L evy分布参数估计的损失函数和风险函数的Bayes估计及其为保守估计的一般条件,说明了该条件的合理性,并用S&P 500$close数据进行了实证分析支持我们的结论.     

威布尔分布无失效数据失效概率的估计

通过讨论威布尔分布函数形状参数m的大小,给出各检测时刻失效概率pi的相互关系作为先验信息,得到pi(i=1,2,…,n)的Bayes估计,并且试验数据显示此种方法是可行的.     

单向分类随机效应模型中方差分量的渐近最优经验Bayes估计

本文在加权平方损失下导出了单向分类随机效应模型中方差分量的Bayes估计, 利用多元密度及其偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,证明了 EB估计的渐近最优性.文末还给出了一个例子说明了符合定理条件的先验分布是存在 的.     

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.     

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 .     

δ冲击模型中截尾数据的统计推断

本文研究了δ-冲击模型中参数δ的统计推断问题，该模型具有参数为λ的Poisson冲击，系统在当两个连续的冲击时间间隔小于δ时失效，失效的时间记为T．首先，我们给出了在δ小于平均冲击间隔时间(即1／λ)的情况下，失效时间T的密度函数的性质；然后我们给出了截尾数据的损失信息补偿的方法；借助Class-K方法，给出了δ的无偏、一致估计以和区间估计．最后，由Edgeworth展开和Boostrap方法，我们得到了δ的精确度更高的区间估计．