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．     

无失效数据失效概率的估计

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Beta(pi-1,λi;1,b)时,给出了pi的多层Bayes估计,从而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.     

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。     

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.     

威布尔分布无失效数据的统计分析

本文对Weibull分布场合下的无失效数据(ti,ni),根据“平均剩余寿命”这一概念得到了参数的拟矩估计,进而将其转化至有一个或多个失效数据的情形,利用[1]中的结果给出了失效概率pi的多层Bayes估计,从而利用分布函数曲线拟合方法得到了未知参数的估计．并结合实际问题进行了计算．     

无失效数据的经典和Bayes估计

本文对指数分布无失效数据的失效率，给出了经典置信上限，Bayes置信上限和Bayes估计以及多层Bayes估计，并给出了数值例，还对一些结果进行了比较。     

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.     

无失效数据失效概率的Bayes估计

本对无失效数据(t1,n1)在t1时刻的失效概串p1=p(T＜t1)的先验密度的校为(l--p1)2时,给出了p1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．     

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 .     

失效率的综合E-Bayes估计

该文提出了可靠性参数的一种新估计方法综合E-Bayes估计法.在无失效数据情形下给出了失效率的E-Bayes估计的定义,并给出了失效率的E-Bayes估计。在引进失效信息后，给出了失效率的E-Bayes估计，并在此基础上给出了失效率和其它参数的综合E-Bayes估计。最后，结合实际问题进行计算，结果表明该文提出的方法可行且便于应用。     

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。     

Gumbel分布的简单贝叶斯估计

在实际应用中,两参数Gumbel分布的贝叶斯估计往往需要预先知道Gumbel参数的二维联合先验分布。由于获取先验分布的主观性和统计推断的复杂性,目前有关Gumbel分布贝叶斯估计理论及其性质的讨论还比较少,更不要说获得较为简单的Gumbel分布的贝叶斯估计。本文基于Kaminskiy和Vasiliy提出的简单贝叶斯估计过程,利用可靠度函数估计的区间形式表示先验信息,从而得到两个参数Gumbel分布的简单贝叶斯估计。基于此先验信息,该估计过程构造了Gumbel参数的连续联合先验分布,给出了在给定任意时点的可靠度(或累积密度)及其标准差的后验估计,为可靠性与风险评估中简单快速的使用贝叶斯估计刻画极端事件提供了可能.     

无失效数据失效率的综合多层Bayes估计

文章对指数分布无失效数据的失效率,在先验分布为Ｇａｍｍａ分布时,在引进失效信息后,给出了多层Ｂａｙｅｓ估计以及综合多层Ｂａｙｅｓ估计,并给出了可靠度的综合估计。最后,结合实际问题进行了计算     

无失效数据的多层Bayes分析

本文对无效数据（ｔ,ｎｉ）,在时刻ｔｉ的失效概率ｐｉ＝ｐ的先验分布不为完全Ｂｅｔａ分布Ｂｅｔａ（ｐｉ－１,λ;ａ,１）时,给出了ｐｉ多层Ｂａｙｅｓ估计,从而可以得到无失铲数据情形可靠度的估计。     

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。     

基于Jeffreys验前的Bayes方差估计修正

分析了基于Jeffreys验前的经典Bayes方差估计以及考虑验前信息可信度情况下Bayes方差估计存在的问题,在一般情况下,其方差估计要大于验前子样和验后子样的方差,这显然是不合理的.这是采用Jeffreys验前和正态共轭分布假设时存在的固有问题.为了解决这一问题,提出了方差估计的修正公式,经过计算验证,其值在验前子样和验后子样方差之间,说明修正公式是合理的.     

基于贝叶斯方法的低违约组合违约率估计

现代信用风险建模的核心是估计违约率,违约率估计是否准确将直接影响信用风险建模的质量。在估计违约率的众多文献中,频率法或logistic回归等统计方法的运用非常广泛,此类统计模型的基础是大样本,它客观上需要最低数量或最优数量的违约数据,而低违约组合(LDP)是指只有很少违约数据甚至没有违约数据的组合,如何估计LDP的违约率、反映违约率的非预期波动是一个值得关注的现实问题。本文针对银行贷款LDP缺乏足够历史违约数据的情况,采用贝叶斯方法估计LDP的违约率,并进一步探讨了根据专家判断或者根据同类银行LDP违约数量的历史数据来确定先验分布的方法。在贝叶斯估计中,通过先验分布的设定,不仅可以实现违约率估计的科学性和合理性,而且可以反映违约的非预期波动,有助于银行实施谨慎稳健的风险管理。