线性指数分布的简单贝叶斯估计[英文]

本文利用Kaminskiy和Vasiliy提出的简单贝叶斯估计过程,研究线性指数分布的参数的简单贝叶斯估计.本文的创新之处是利用了核密度估计法和缺一交叉验证法构造概率密度函数.在估计过程中,先验信息可以通过可靠度函数估计的区间形式表示.基于这种先验信息,可以构造线性指数分布参数的连续联合先验分布,并可以给出在任意给定时刻可靠度函数的均值及标准差的后验估计.通过一个数值例子说明这种估计方法.Rayleigh分布是线性指数分布的特殊情况,通过简单贝叶斯估计过程,给出了Rayleigh分布的尺度参数的一种新的先验分布,这个模型的均值可由一个级数逼近.     

以截尾伽玛分布为先验分布的产品失效率的贝叶斯估计

本文研究了基于泊松分布的产品失效率估计问题.利用贝叶斯统计推断方法,获得了以截尾伽玛分布为先验分布时,产品失效率的贝叶斯估计和相关性质,推广了以伽玛分布为先验分布的贝叶斯估计结果.     

混合狄雷克利分布和高维表的贝叶斯估计

本文讨论多项分布情况下的高维列联表使用混合狄雷克利分布为先验分布时，贝叶斯估计的表达，以及独立性条件的表述．将文献［４］和［５］的结论推广到高维列联表中．     

用Gibbs抽样算法计算定数截尾时Weibull分布的贝叶斯估计

本文假设产品寿命服从两参数 Weibull分布 ,在定数截尾寿命试验的情况下 ,利用近年来发展起来的 Gibbs抽样算法 ,设计了计算参数贝叶斯估计的 Gibbs抽样方案 ,计算了一个实例并与经典的 BL UE和 BL IE估计结果进行比较。结果表明 ,较之传统的数值积分法 ,Gibbs抽样算法使用起来方便直接 ,更适合于计算可靠性指标的贝叶斯估计     

帕累托索赔分布中风险参数的经验贝叶斯估计

本文建立了贝叶斯模型,讨论了帕累托索赔额分布中参数的估计问题,得到了风险参数的极大似然估计、贝叶斯估计和信度估计,并证明了这些估计的强相合性.在均方误差的意义下比较了这些估计的好坏,并通过数值模拟对均方误差进行了验证,结果表明,贝叶斯估计比其他估计具有较小的均方误差.最后,给出了结构参数的估计并证明了经验贝叶斯估计和经验贝叶斯信度估计的渐近最优性.     

Gumbel分布参数估计及在水位资料分析中应用

本文利用Gumbel分布拟合某条河流三个观测站的历年最高水位资料.我们用分位数法、极大似然法、概率加权矩法对Gumbel分布中的参数进行估计,不仅从理论上而且利用蒙特卡洛方法讨论了三种估计方法的统计性质,并给出了三个观测站处的T年一遇的最高水位数据.我们认为极大似然法给出的估计量在各个方面都有好的且稳定的表现.     

截尾试验下指数分布的贝叶斯估计

在指数分布场合，定数或定时截尾试验，文[1]给出了参数λ在先验分布为Г(α，β)分布的假设下的Bayes估计．文[3]给出了在平方损失下的Bayes估计,本文讨论先验分布为B(a，b)分布时，参数λ的Bayes估计。     

贝叶斯方法在可靠性试验中的应用

本文对可靠性试验中成败型试验的二项分布与连续型试验的指数分布分别给出参数的贝叶斯递推估计公式。     

二维单边截断分布族中经验Bayes估计的收敛速度

本文考虑二维单边截断型分布族中经验Ｂａｙｅｓ估计的收敛速度，在一定的条件下给出了相应的速度，并说明了在较强的条件下收敛速度可充分接近１。     

多元极值分布参数的最大似然估计与分步估计

本文考虑多元极值分布的参数估计，给出了分步估计渐近协差阵的近似表示，并对维数P=2，5及相关参数α=0．001，0．01；0．1（0．2），0．9；0．99，0．999的各种组合，计算了分步估计关于最大似然估计的渐近效率，分析了各种参数及维数对渐近效率的影响．分步估计是一种合理、简单而且有较强实用意义的估计方法．     

几何分布可靠度的估计

本对几何分布,在可靠度的先验分布为幂分布和截尾幂分布时,给出了可靠度的多层Bayes估计,并给出了数值例。     

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。     

三参数Weibull分布参数的Bayes估计

给出了三参数Weibull分布参数Bayes估计的两种方法,其一基于Laplace数值积分法,其二基于Gibbs抽样方法.模拟例子说明了估计方法的有效性.     

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 .     

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.     

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．     

Weibull分布步进应力加速寿命试验的Bayes估计

本文研究了定时和定数截尾情形CE模型下Weibull分布场合步进应力加速寿命试验的Bayes估计.利用加速系数和加速方程将各种加速应力水平下的尺度参数换算为正常应力水平下的尺度参数,从而获得含正常应力下尺度参数的似然函数.在参数先验的选取时,尺度参数和加速系数分别取共轭先验和无信息先验,当形状参数m<1和m>1时分别取Beta分布和Gamma分布作为其先验.在平方损失下,利用Gibbs抽样和切片抽样给出了该模型参数的Bayes估计.最后,通过Monte Carlo模拟表明该Bayes估计是有效的.     

Moment Estimation for Multivariate Extreme Value Distribution in a Nested Logistic Model

This paper considers multivariate extreme value distribution in a nested logistic model. The dependence structure for this model is discussed. We find a useful transformation that transformed variables possess the mixed independence. Thus, the explicit algebraic formulae for a characteristic function and moments may be given. We use the method of moments to derive estimators of the dependence parameters and investigate the properties of these estimators in large samples via asymptotic theory and in finite samples via computer simulation. We also compare moment estimation with a maximum likelihood estimation in finite sample sizes. The results indicate that moment estimation is good for all practical purposes.     

复合MLinex对称损失函数下对数伽玛分布参数的Bayes估计

在MLineX损失函数的基础上,定义了复合MLineX对称损失函数,并在该损失函数下得到了对数伽玛分布尺度参数的Balye8估计、E-Bayes估计、多层Balyes估计.最后,通过数值模拟说明了所给参数估计的稳健性和精确性.