失效率为指数函数的模型中使用屏蔽数据的参数估计

考虑一个由独立、不完全相同的单元组成的串联系统,使用屏蔽数据时的参数估计.当失效率为指数函数时,给出了参数的极大似然估计和Bayes估计.在Bayes估计中,假定未知参数的先验分布为对称的三角分布.主要考虑两单元串联系统,并通过数据模拟对极大似然估计和Bayes估计这两种方法进行了比较.     

定数截尾数据缺失场合下双参数指数分布参数的贝叶斯估计

给出了定数截尾双参数指数分布在缺失数据场合下的极大似然估计值和Bayes近似估计值，并在此基础上讨论了该Bayes近似估计关于实验样本个数n的迭代收敛速度，随机模拟表明，Bayes近似估计值的精度要高于极大似然估计值．     

指数分布无失效数据的Bayes估计多层Bayes估计

给出了指数分布无失效数据在时刻ｔｉ的失效概率Ｐｉ＝Ｐｒ｛Ｔ＜ｔｉ｝的Ｂａｙｅｓ估计、多层Ｂａｙｅｓ估计，从而得到了时刻ｔｉ的可靠度的估计。     

无失效数据的统计分析

讨论了寿命服从指数分布的无失效数据,利用指数分布的凸性和无记忆性,给出了可靠度的E-Bayes估计和多层Bayes估计,利用数值算例来说明两者之间的关系,并得到了在这两种情况下参数θ的加权最小二乘估计.     

成败型试验中无失效数据的多层Bayes分析

在有些情况下,很难确定产品的寿命类型,有时虽然产品的寿命分布类型已知,但获得的仅仅是失效个数,而无精确的失效时间,特别是在高可靠定时截尾寿命试验中,经常出现无失效,即失效个数为0的情况.对于此种无失效数据的可靠度,在可靠度的先验分布为负对数伽玛分布时给出了它的Bayes     

一种对称损失下两参数广义Pareto分布形状参数的Bayes分析

在加权对称损失函数下，使用Bayes估计方法，讨论了两参数广义Pareto分布形状参数的Bayes估计及其性质，得到了形状参数的Bayes估计的一般形式与在两种不同先验下的精确形式，并由此得到形状参数的最小最大估计的一种形式，将不同的估计联系在一起。并通过模拟研究了所得估计的精度，结果表明所得估计的精度较高。     

广义Kumaraswamy指数分布及其在生存分析中的应用

定义并研究了广义Kum指数分布（GKumE）.给出GKumE分布的分布函数、密度函数以及风险函数,并讨论了其密度函数的展开以及一些数学性质.采用极大似然估计方法对GKumE分布参数进行估计.最后,利用一组实际寿命数据分析了GKumE分布的应用.     

两参数Lomax分布形状参数的经验Bayes估计问题

依据经验Bayes(EB)估计的思想方法,研究在平方损失函数下两参数Lomax分布形状参数的EB估计问题。在这种损失函数下,获得了形状参数的Bayes估计,利用密度函数的递归核估计方法构造了相应的EB估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度。最后给出一个满足文中主要结果的实例。     

左删失恒定应力部分加速寿命试验下逆Rayleigh分布的参数估计

在恒定应力部分加速寿命试验下，基于左删失样本,研究了逆Rayleigh分布的参数估计问题。运用极大似然法得到未知参数和加速因子的极大似然估计。根据Louis提出的缺失信息原则,计算了Fisher信息矩阵，得到分布参数和加速因子的近似置信区间。当取参数的先验分布为指数分布时，在平方损失函数下求得了参数的贝叶斯估计，并利用极大似然法估计了超参数。通过 Monte Carlo 模拟，得到估计量的均方误差，据此对极大似然估计和贝叶斯估计进行了比较。最后，计算了不同左删失样本下逆Rayleigh分布参数及加速因子的估计。     

指数分布模型下稳态可用度的经验Bayes估计

对于可修单元,当失效时间、维修时间均服从指数分布时,利用非参数多项式密度估计的方法给出了单元的稳态可用度A的经验Bayes估计．并通过模拟试验考察非参数多项式密度估计的自由度与估计的精确度的关系.