基于贝叶斯网络的多态故障树分析方法

针对多态系统故障树分析的难点,通过一个多态雷达系统的实例给出了一种基于贝叶斯网络的多态故障树分析方法.首先根据多态故障树的结构建立贝叶斯网络的拓扑结构,然后根据多态逻辑算子对其进行定量化,进而利用贝叶斯网络分析多态故障树顶事件概率、部件重要度及其它结果.最后通过对实例的分析说明了基于贝叶斯网络的多态故障树分析方法有更强的建模分析能力.     

基于屏蔽数据的部件可靠性指标的贝叶斯估计

基于屏蔽数据,在单元的屏蔽与失效不独立的情形下,研究系统中Burr XII部件可靠性指标的估计问题。在三种不同的损失函数下,推算出部件寿命参数及可靠性指标的贝叶斯估计。最后利用随机模拟对两种估计方法进行比较分析,并讨论屏蔽概率和屏蔽水平对估计结果的影响。     

逐步Ⅱ型截尾下屏蔽数据Burr Ⅻ串联系统的可靠性分析

假设串联系统由两参数BurrⅫ部件组成,两个参数均未知。在逐步Ⅱ型截尾试验下,基于屏蔽系统寿命数据,讨论了部件参数与可靠度函数的统计推断问题。利用极大似然理论及迭代方法,获得了部件参数及可靠度函数的极大似然估计,并给出了其渐近置信区间。鉴于极大似然估计法在完全屏蔽情形下的局限性,通过引入辅助变量并运用Gibbs抽样法,讨论了部件参数及可靠度函数的贝叶斯估计和最大后验密度置信区间。最后给出仿真算例,验证了本文方法的可行性和有效性。     

利用贝叶斯网络分析基因表达数据

利用基因表达数据提出一种新的网络模型—贝叶斯网络,发现基因的互作.一个贝叶斯网络是多变量联合概率分布的有向图模型,表示变量间的条件独立属性.首先我们阐明贝叶斯网络如何表示基因间的互作,然后介绍从基因芯片数据学习贝叶斯网络的方法.     

基于Stein损失污染数据情形下刻度参数的经验贝叶斯估计

本文研究基于污染数据情形的一类广义指数分布刻度参数的经验贝叶斯估计问题.在stein损失函数下,导出刻度参数的贝叶斯估计以及利用解卷积的核方法构造了该参数的经验贝叶斯估计.在适当的条件下,基于超平滑误差分布类证明所提出的经验贝叶斯估计的渐近最优性.     

线性模型参数向量的近似贝叶斯估计

用线性贝叶斯方法去同时估计线性模型中回归系数和误差方差,并在不知道先验分布具体形式的情况下,得到了线性贝叶斯估计的表达式.在均方误差矩阵准则下,证明了其优于最小二乘估计和极大似然估计.与利用MCMC算法得到的贝叶斯估计相比,线性贝叶斯估计具有显式表达式并且更方便使用.对于几种不同的先验分布,数值模拟结果表明线性贝叶斯估...     

污染数据情形下线性指数分布参数的经验贝叶斯估计（英文）

本文研究污染数据情形下线性指数分布参数的经验贝叶斯估计问题.在平方损失函数下,导出参数的贝叶斯估计以及利用解卷积的核方法构造该参数的经验贝叶斯估计.在合适的条件下,得到基于超平滑误差分布类所提出的经验贝叶斯估计的一致收敛速度.     

渐近最优的经验贝叶斯决策

本文获得了刻度指数族变量带误差情形下的贝叶斯决策,且利用解卷积的核方法构造出了经验贝叶斯决策.在适当的条件下,证明了经验贝叶斯决策的渐近最优性.     

纵向数据下半参数联合均值协方差模型的贝叶斯分析

基于改进的Cholesky分解,研究分析了纵向数据下半参数联合均值协方差模型的贝叶斯估计和贝叶斯统计诊断,其中非参数部分采用B样条逼近.主要通过应用Gibbs抽样和Metropolis-Hastings算法相结合的混合算法获得模型中未知参数的贝叶斯估计和贝叶斯数据删除影响诊断统计量.并利用诊断统计量的大小来识别数据的异常点.模拟研究和实例分析都表明提出的贝叶斯估计和诊断方法是可行有效的.     

基于威布尔分布多部件应力–强度模型的贝叶斯推断（英文）

本文考虑了一个多部件应力–强度模型的可靠性,该模型包括一个应力和多个强度的串联系统.当应力和强度变量服从相同形状参数的威布尔分布时,推导了参数的Jeffreys先验,并给出基于该先验时后验适当性的充要条件.利用Lindley近似和马尔可夫链蒙特卡罗方法对系统可靠性进行估计.通过蒙特卡罗仿真对所提方法进行评估.仿真结果表明,贝叶斯方法要优于极大似然方法,且在小样本情形下尤为突出.最后,以实际数据集为例进行了说明.