无失效数据的Bayes分析

在无失效数据的可靠性分析中，关于时刻τｉ的换效概率Ｐｉ的估计，本文提出以不完全Ｂｅｔａ分布Ｂｅｔａ为一级先验分布，而超参数ｂ为（１，ｃ）上均匀分布的分级Ｂａｙｅｓ估计，这不仅保证满足关系ｐ１≤ｐ２≤．．．≤ｐｋ，且具有简单统一的表达形式，实例还表明这一估计是稳定、合理的。     

无失效数据可靠性参数的综合估计

本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〈ｔｉ｝的Ｂａｙｅｓ估计,并在引进失效信息后给出了Ｐｍ＋１（ｒ）＝Ｐ｛Ｔ〈ｔｍ＋１｝的Ｂａｙｅｓ估计和综合估计,从而可以得到无失效数据的失效率和可靠度的综合估计。最后,综合实际问题进行了计算。     

二项分布无失效数据可靠度的多层Bayes估计

文章对二次分布无失效数据的可靠度,在先验分布为Ｂｅｔａ分布时,给出了可靠度的多层Ｂａｙｅｓ估计。最后,结合实际问题进行了计算。     

双参数指数分布无失效数据的参数估计

文章对双参数指数分布的无失效数据（ｔｉ，ｎｉ），给出了参数μ和σ的修正极大似然估计和最小二乘估计，并给出了失效概率ｐｉ＝ｐ｛Ｔ＜ｔｉ｝的Ｂａｙｅｓ估计和多层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。     

无失效数据的统计分析

本文利用分布函数的凹凸性质给出了各检测时刻失效概率Ｐｉ的相互关系，作为先验信息，我们得到Ｐｉ（ｉ＝１，ｍ）的Ｂａｙｅｓ估计，进而估计出母体参数，最后对实际数据进行了计算。     

系统风险Beta系数的非参数估计

关于系统风险（Ｂｅｔａ系数）对时间的非平稳性已得到广泛的认可，但对Ｂｅｔａ系数的估计方法大都是在平稳的（或局部平稳）前提下，或者事先给定Ｂｅｔａ系数一个主观参数模型下进行的。本文假定证券价格或收益是一个连续时间的随机过程（时齐Ｉｔｏ过程），给出了过程的均值函数和协方差函数的同时非参数估计，把此结果应用到Ｂｅｔａ系数上，得到了Ｂｅｔａ系数的非参数估计。     

具有独立贡献的相依回归模型

考虑相依回归（ＳＵＲ）模型ｙｉ＝Ｘｉβｉ＿ｅｉ，ｉ＝１，２，…，ｍ，Ｅｅｉ＝０，ｉ，ｊ＝１；２，…ｍ，其中ｙｉ和ｅｉ是ｎ×１维随机向量，Ｘｉ是ｎ×ｐｉ已知矩阵，βｉ是ｐｉ×１维参数向量，∑＝（σｉｊ）ｍ×ｍ＞０．文中给出了两个概念：独立贡献和简洁估计．主要结果是如下五种叙述等价：（１）ＳＵＲ模型具有独立贡献；（２）βｉ的ＢＬＵＥ是简洁估计；（３）协方差改进估计是ＢＬＵＥＺ（４）βｉ的ＢＬＵＥ具有形式其中，ｊ＝１，２，…，ｍ；（５）ＰｋＮｉＮｊ＝０，ｉ≠ｊ，ｋ，Ｉ，ｊ＝１，２，…，ｍ     

指数分布无失效数据的多层Bayes分析

韩明等．指数分布无失效数据的多层Ｂａｙｅｓ分析．数理统计与管理，１９９８，１７（４），２４～２７．本文对指数分布无失效数据的失效率，在先验分布为Ｇａｍｍａ分布时，给出了多层Ｂａｙｅｓ估计。最后，结合实际问题进行了计算     

无失效数据失效率的估计

对指数分布无失效数据（ｔｉ,ｎｉ）的失效率λ,在λ的先验密度的核为ｅｘｐ（－λ）时,给出了λ的Ｂａｙｅｓ估计和多层Ｂａｙｅｓ估计,从而可以得到可靠度的估计,最后,给合实际问题进行了计算。     

多维指数族分布的参数线性容许估计的一个充分条件

本文利用唯一的Ｂａｙｅｓ估计是容许估计的原理,构造了一个先验分布π１（θ）＝Ｍβ－１（θ）ψ（θ）ｅｘｐ∑ｎｉ＝１∫θｉθｉ０ｂ－ｒｉ（ｔ）ａｉｎｄｔｉ,当它满足一定的条件时,证明了在均方损失下,多维指数族分布ｆθ（ｘ）＝β（θ）ｅｘｐθ′ｘ的参数ｒ（θ）的唯一Ｂａｙｅｓ估计为线性函数ａ′ｘ＋ｂ,因而也是容许估计     

无失效数据的多层Bayes可靠性分析

本文对无失效数据（ti,ni）在时刻ti的失效概率pi＝p｛T＜ti｝的先验分布为不完全Beta分布时，给出了pi的多层Bayes估计，由此可以得到无失效数据可靠度的估计．     

电器无失效数据的Bayes可靠性分析

通过利用分布函数的凸凹性合理的构造了无失效数据(ti,ni)在ti时刻失效的概率pi=p{Tti}的一类先验分布,利用贝叶斯定理给出了无失效数据概率的一种估计.并根据算例验证该估计是合理的.     

双参数指数分布无失效数据的Bayes估计

本文对双参数指数分布的无失效数据（t_i,n_i）,在时刻t_i的失效概率P_i=P{T＜t_i}的先验分布为截尾指数分布时,给出了P_i的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．     

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.     

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.     

无失效数据可靠性进展

在定时截尾可靠性试验中，有时会遇到无失效数据，特别是在高可靠性，小样本问题中更容易产生无失效数据。本文综述了无失效数据可靠性研究的进展情况，并指出了无失效数据研究中几个需要解决的问题。     

无失效数据情形失效率的估计及其应用

该文对指数分布的无失效数据,在失效率　的先验密度的核为　ａ－１时,给出了失效率　的Ｂａｙｅｓ估计和多层Ｂａｙｅｓ估计．并对某液压电动机,在寿命眼从指数分布时,给出了该液压电动机无失效数据情形可靠度的估计．     

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。     

恒应力加速寿命试验中无失效数据的处理

对恒应力加速寿命试验中W eibu ll分布无失效数据,合理地构造了失效概率的两种先验分布,并结合现场试验数据,利用极大似然方法和Bayes方法对该组无失效数据进行了处理,所得结果表明本文给出的方法是正确可行的.