指数分布场合下竞争失效产品加速寿命试验的Bayes估计

在指数分布场合下，本文给出了竞争失效产品加速寿命试验（恒加试验，步加试验）一种新的Bayes估计，这种估计方法能充分利用产品各失效机理在正常应力水平下的先验信息．最后利用Monte－Carlo方法对这种估计作了模拟比较．     

指数分布场合下步进应力加速寿命试验的Bayes分析

当寿命分布为指数分布时，本文给出了步进应力加速寿命试验的一种新的Ｂａｙｅｓ估计，为计算上的方便，本文还给出一种近似方法，数值例子表明，此方法简便可行。     

指数分布场合下步进应力加速寿命试验的极大似然估计

本文首先给出了指数分布场合下步进应力加速寿命试验定时和定数截尾的MLE的存在和唯一的充要条件 ,然后给出了正常应力下平均寿命的近似置信区间 ,最后用随机模拟的方法研究了MLE的点估计的偏性和均方误差 ,近似置信区间覆盖真值的比率并与其它方法作了比较 .     

指数分布场合下竞争失效产品的恒定应力加速寿命试验的统计分析

本文在指数分布场合下讨论了竞争失效产品的恒加试验的统计分析，研究了失效机理对产品在正常应力水平下平均寿命估计的影响，最后给出了一实际例子。     

加速寿命试验Bayes估计算法的改进

本文就指数分布场合恒定应力加速寿命试验及Weibull分布场合序进应力加速寿命试验中参数的Bayes估计的显式表示提出了一种有效的改进算法,从而达到了减少计算误差和节省计算时间及内存资源的目的。     

步进应力加速寿命试验的最优设计

本文在两个未知参数的加速方程下，以（4．3）为约束条件，以MLE渐近方差最小为准则，给出了指数分布下k≥3个应力情况失效数分配的最优设计。     

混合加速寿命试验模型及其统计分析

本文结合序进应力加速寿命试验和恒定应力加速寿命试验提出了一种混合加速寿命试验,讨论了这种加速寿命试验的模型及其在寿命分布为指数分布和对数正态分布时的参数估计,导出了参数的最大的似然估计。     

竞争失效产品加速寿命试验的统计分析

本文讨论了指数分布场合竞争失效产品恒定应力加速寿命试验和步进应力加速寿命试验的参数估计。对常用的最大似然估计作了改进，并用大样本结果和模拟比较说明了改进的有效性。     

对数正态分布场合下恒定应力加速寿命试验的保序估计

讨论了对数正态分布场合下恒定应力和加速寿命试验的最优线性无偏估计及保序估计,获得了保序估计的表达式,并给出了一个数值例子。     

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。     

恒加试验简单线性估计的改进

在恒加试验中加速方程的二个系数ａ与ｂ的估计最为重要。文中给出了参数ａ与ｂ的二种新的简单线性无偏估计（ＢＧＬＵＥ，ＲＧＬＵＥ），这两种无偏估计均比常用的二步估计有较大的改进。基于上述新的线性估计，文中还构造了二种新的线性不变估计（ＢＧＬＩＥ，ＲＧＬＩＥ）。这两种不变估计均优于文献（１）给出的简单线性不变估计。     

对数正态分布定时截尾样本下加速寿命试验的统计分析

本文研究了定时截尾样本下加速寿命试验的统计分析,给出了各应力水平下形状参数的改进近似无偏估计（RAUE）及保序估计（IRE）,对这些估计的性质进行了讨论,最后给出的一个数值例子表明,本文提供的统计方法在计算上是简便的,在应用上是可行的。     

随机截尾情形下MOBVE分布的统计推断

本文讨论联合生存函数的二元指数分布（ＭＯＢＶＥ）的统计推断问题，随机截尾寿命试验下的元件和患联系统的寿命试验数据被联合作用，文中给出了参数的极大似然估计并讨论了它们的渐近性质，还得到了若干关于参数的假设的渐近检验程序。     

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。     

总定数先定时截尾情况下简单步进应力加速寿命试验的优化设计

讨论了总定数先定时截尾情况下简单步进应力加速寿命试验的最优设计问题,然后同定数截尾情况下简单频进应力加速寿命试验的最优设计进行比较,比较结果表明本文方法较优,文中的例子进一步验证了上述结论。     

A STRUCTURAL APPROACH TO THE REPRESENTATION OF LIFE HISTORY DATA 1

We propose a structural approach to the representation of life history data, based on an interval graph formalism. Various “life history graphs” are defined using this approach, and properties of such graphs are related to life course concepts. The analysis of life history graphs using standard network methods is illustrated, and suggestions are made regarding the use of network analysis for life course research. A duality is demonstrated between individual life history graphs and social networks, and connections between life history graph analysis and conventional life course methods are discussed.