应力服从一类嵌套多元指数分布的结构可靠度估计

本文研究应力服从一类嵌套多元指数分布, 强度服从指数分布的应力---强度结构可靠度模型.分别在强度参数未知、应力参数已知和强度参数已知、应力参数未知的情况下给出了结构可靠度$P_{A}$的估计$\wh{P}_{A1}$和$\wh{P}_{A2}$,并讨论了它们的渐近性质,而且获得了$P_{A}$的近似置信区间.最后对这两种情况下模型结构可靠度的估计$\wh{P}_{A1}$和$\wh{P}_{A2}$进行了随机模拟,随机模拟结果令人满意.     

在伽玛-指数模式下串联结构系统可靠度估计

设结构系统由ｎ个结构性部件串联组成．设部件ｋ的强度Ｘｋ服从指数分布厂Г（λ，１），λ＞０，ｋ＝１，２，…，ｎ；系统应力Ｙ服从Ｇａｍｍａ分布Г（μ，α），μ，α＞０．当α已知，λ，μ未知时，本文给出串联结构系统可靠度ＲＲ的ＭＶＵＥＲＲ和ＭＬＥＲＲ．证明了ＲＲ和ＲＲ都是ＲＲ的相合渐近正态估计．     

一类嵌套多元指数分布相关参数的矩型估计

本文研究一类具有三个相关参数的嵌套多元指数分布,其生存函数为其中,0相似文献   

定时截尾下指数分布的修正最大似然估计

本文在定时截尾情形下对指数分布提出了修正的最大似然估计，且把修正方法应用到定时截尾恒加试验和步加试验，模拟结果表明修正后的估计量的均方误差有了明显减少。     

指数分布卷积形式参数的估计

本文研究指数分布卷积形式参数的点估计，区间估计以及经验分布函数与分布函数最大偏差的概率估计．     

等边际多元指数分布及其参数估计

本文提出等边际多元指数分布,讨论了它的性质,并根据其系统的结构,对不同的抽样方式给出了参数估计。     

强度为MOBVE分布时并联结构系统可靠度的估计

设系统A由两个结构单元A1和A2并联组成.A1和A2的强度(Y1,Y 2)服从由Marshall和Olkin提出的MOBVE分布,其联合可靠度函数为R(y1,y2)=exp[-λ1y1-λ2y2-λ12max(y1,y2)].I[y1>0,y2>0],其中λ1>0,λ2>0,λ12≥0均未知.系统A所承受的应力服从指数分布(参数未知).本文给出了系统A的可靠度PA的两种估计(^P)A和(～P)A以及两种渐近置信下限L(^PA)和L(～PA),讨论了(^P)A和(～P)A的统计性质,最后还进行了模拟计算.     

指数分布卷积形式参数的估计

本研究指数分布卷积形式参数的点估计，区间估计以及经验分布函数与分布函数最大偏差的概率估计。     

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。     

应力为MOBVE分布强度为指数分布下串联结构可靠度的估计

考虑了应力服从MOBVE分布,强度服从指数分布的应力——强度模型,分别在应力参数未知和强度参数未知情形下给出了该模型在串联系统下可靠度的估计并讨论了其性质.     

双参数指数分布尺度参数变化幅度的区间估计

本文将Ｓｃｈｅｃｈｔｍａｎ（１９８３）文中的方法加以修改后应用到双参数指数分布尺度参数变化幅度ρ的估计上，得到了一个保守的置信下限，并通过随机模拟证明了这个置信下限不是平凡的。     

指数分布场合系统应力强度模型可靠度的统计推断

利用最大似然估计和广义区间估计方法,研究了元件的强度和承受的应力均服从指数分布时系统应力强度模型可靠度的估计问题,导出了可靠度的最大似然估计和广义区间估计.同时也讨论了模型的拟合检验问题.利用模拟方法研究了提出的广义置信区间的覆盖率和拟合检验的功效,模拟结果表明提出的广义置信区间的覆盖率与名义置信系数是一致的,提出的拟合检验的功效是好的.最后用一个例子说明提出的方法.     

指数分布场合下基于分组数据和双向册失数据的区间估计

当寿命分布是指数分布时本文给出了基于分组数据和双向册失数据平均寿命的近似区间估计方法，所给方法的计算是简单的。     

指数分布下步加试验中的区间估计

在交叉步进应力加速寿命试验中，假定在各组应力下产品的寿命分布为指数分布，对于定数截尾样本，求加速方程中系数的线性无偏估计（ＢＬＵＥ）。在此基础上本文通过构造某些枢轴量，并用Ｍｏｔｅ－Ｃａｒｌｏ方法给出了加速系数及正常应力下，产品可靠性特征量的置信区间。最后给出了一个数值例子。     

指数分布参数的最短区间估计

本文研究了指数分布参数的区间估计方法。给出了指数分布参数的最短区间估计方法;通过一个实例介绍了最短区间估计方法的使用;最后指出最短区间估计方法比传统区间估计方法所具有的优越性。     

双指数分布位置参数的经验Bayes估计问题

本文在平方损失下导出了双指数分布位置参数的Bayes估计，利用非参数方法构造了位置参数的经验Bayes(EB)估计．在适当的条件下，获得了EB估计的收敛速度．最后，给出了一个例子说明适合定理条件的先验分布是存在的．     

基于无失效数据指数分布参数的AMLE

本文讨论了基于无失效数据指数分布系数的近似极大似然估计，利用Ｐｏｉｓｓｏｎ过程中年龄过程的多维生存分布的Ｌｅｂｅｓｇｕｅ分解式以及本文提出的伪样本估计法，导出了参数λ所满足的所似似然方程，讨论了解的存在唯一性，利用数值计算方法，最终可获得λ的ＡＭＬＥλｎ，大量随机模拟表明，其结果与真值得接近，试验的减时率高达７０％左右。     

CE模型下指数分布步加试验的贝叶斯估计

本文利用Gibbs抽样法得到了CE模型下指数分布场合步进应力加速寿命试验的多层Bayes参数估计,最后通过模拟比较表明多层Bayes估计比最大似然估计更加有效而实用。     

定数截尾试验下双参数指数分布刻度参数的EB估计

对于定理截尾试验下双参数指数分布刻度参数的经验Bayes估计问题,用间接EB方法得到其EB估计,计算机模拟例子表明本文所给了估计较好。     

排序集抽样下指数分布参数的最优线性无偏估计

排序集抽样方法适用于样本测量困难但排序容易的场合,其样本包含了次序信息.指数分布在寿命试验中占有非常重要的地位,为了提高指数分布参数的估计效率,本文提出了排序集抽样下参数的最优线性无偏估计量,计算了新估计量的方差,证明了其具有渐近正态性.相对效率和模拟效率的研究结果表明:新估计量的估计效率不仅高于简单随机抽样下一致最小方差无偏估计量,也高于排序集抽样下样本均值和修正极大似然估计量.最后,将推荐方法应用到转移性肾癌的临床研究中,从而验证该方法的有效性.