二项抽样模型下r/N(G)系统可靠性增长的Bayes估计

本文介绍在二项抽样模型下,部件可靠概率R带有验前Beta分布、验前负对数Gamma分布及其特殊情况验前U(0.1)分布和无信息验前分布,对r/N(G)系统的可靠性增长作出Bayes估计,主要结果有定理2、3、4。     

有替换定数截尾寿命试验下k/N(G)系统可靠性指标的经验Bayes估计

在有替换定数截尾寿命试验样本下,将Bayes方法与矩估计法相结合,对不可修k/N(G)系统可靠性指标的估计问题进行研究,获得了组成部件的失效率、系统可靠度和平均寿命的经验Bayes估计.最后利用随机模拟的例子说明了所给方法是有效的.     

具有可靠性增长的三项分布概型参数的Bayes估计

本文研究具有可靠性增长的三项分布概型的参数 Bayes 估计,在先验分布为 Beta 分布,负对数 Gama 分布下,得到的主要结果有定理1、2.     

一类可靠性增长模型的Bayes估计

在可靠性增长模型中 ,针对失效率很低的成败型试验的情况 ,提出一种改进的 Bayes估计法。该方法不将各阶段失效数据作等同处理 ,与传统的 Bayes方法相比 ,具有一定的优越性     

具有可靠性增长的几何、负二项概型参数的Bayes估计

本文研究具有可靠性增长的几何、负二项概型参数的Bayes估计,主要结果是定理1、2,先验分布是均匀的情况作为定理的系给出。     

几何分布的可靠性增长模型的Bayes估计

用Bayes方法对几何分布的可靠性增长模型进行了讨论,并对传统的Bayes方法作了改进。     

可修系统可靠性指标的Bayes估计

构建了一个可修系统的修理工修理时间的试验方法,从而得到修理工修理时间的似然函数,因此求得修理时间服从指数分布参数μ的Bayes估计,并对具有优先权的两部件温贮备系统进行了实例分析.     

负二项分布可靠度的经验Bayes估计

在平方损失函数下,获得了负二项分布可靠度θ的Bayes估计,在一般条件下,利用其边缘分布的特性,构造了相应的经验Bayes估计,并证明了得到的EB估计是相合的渐近最优的.     

指数分布下定数截尾步加试验参数的二次顺序约束Bayes估计

给出了2种方法,把指数分布下k个应力水平定数截尾步加试验数据转化为对应的恒加试验数据,然后利用恒加试验的结果,给出了在应力水平Si下产品平均寿命的经验分布估计和二次Bayes估计.     

恒定应力加速寿命试验下负二项抽样产品可靠性的Bayes分析

本文介绍在恒定应力加速寿命试验下负二项抽样模型,参数带有验前负对数 Gamma分布,验前Bata分布及无信息验前分布时,对产品可靠性作Bayes分析。主要结果有定理1、2,最后给出算例。     

负二项分布下参数的方差一致最小无偏估计及贝叶斯估计

本文利用充分完全统计量,给出了负二项分布下,总体均值μ和参数P的方差一致最小的无偏估计(UMVUE),特别当r=1时,给出了方差σ2的UMVUE,然后,再利用共轭先验分布给出参数P的贝叶斯估计,并在特殊情形下,对两种估计进行了比较。     

截尾试验下指数部件可靠性指标的贝叶斯估计

本文讨论指数部件可靠性的Bayes估计,对未知参数作了变换,从而使选择参数的验前分布更加灵活合理,在截尾测试下,分别讨论了验前分布为负对数Gamma分布与Beta分布的情况,获得了指数部件可靠性指标的表达式。无信息验前分布的情况,仅作为特例。最后,对无信息验前分布的情况给出了一个实例。     

一次性作用产品可靠度的Bayes置信下限

针对高价值一次性作用产品的小样本可靠性评估问题,选用带有k因子的先验分布,基于贝塔分布的双层先验分布,以及基于均匀分布的双层先验分布,研究了一次性作用产品的可靠度置信下限的估计方法.由模拟研究得出,在有历史数据时,基于k因子贝塔先验分布的估计方法比WCF方法精确;在有不完全历史信息时,基于贝塔双层先验分布的方法比基于均匀双层先验分布的方法精确.     

负二项分布参数的一类近似区间估计

借助负二项分布和卡方分布的极限关系,推导给出当参数P较小条件下的近似区间估计,并通过数值例子介绍了此区间估计方法的应用．     

负二项分布可靠度的E-Bayes估计

对负二项分布,给出在熵损失函数下当可靠度的先验分布为Beta分布和幂分布时可靠度的Bayes估计、E-Bayes估计及多层Bayes估计,并针对先验分布为幂分布的情形设计了相应的数值实验.实验结果表明,相对于负二项分布可靠度的多层Bayes估计,其E-Bayes估计的计算更简单,且稳健性也更好.     

负二项分布参数的贝叶斯区间估计问题

研究了在先验分布为贝塔分布下,负二项分布未知参数θ的贝叶斯区间估计方法。借助Beta分布与F分布的关系给出了参数θ的一般后验区间估计,并给出了参数θ的最短后验区间估计的条件极值解法。通过对参数取值不同的密度曲线形状的讨论分析和数值实例对比,得出结论：在小样本情况下,最短置信区间估计方法值得采用。