指数分布无失效数据的Bayes估计多层Bayes估计

给出了指数分布无失效数据在时刻ｔｉ的失效概率Ｐｉ＝Ｐｒ｛Ｔ＜ｔｉ｝的Ｂａｙｅｓ估计、多层Ｂａｙｅｓ估计，从而得到了时刻ｔｉ的可靠度的估计。     

无失效数据的统计分析

讨论了寿命服从指数分布的无失效数据,利用指数分布的凸性和无记忆性,给出了可靠度的E-Bayes估计和多层Bayes估计,利用数值算例来说明两者之间的关系,并得到了在这两种情况下参数θ的加权最小二乘估计.     

无失效数据的一类迭代Bayes分析

对无失效数据分析中(0,t]时间段上的失效概率pi,(i=1,…,m),提出一种用m-1个pi的近似分布的混合分布修正pt先验分布的新方法,给出了一类失效概率的单层Bayes迭代估计和多层Bayes迭代估计.两种迭代方法被应用于液压泵数据分析.依照极大似然原则讨论了λm值的选取.对两种迭代方法的比较结果显示,在按似然原则对λm值选取的稳健性方面,多层Bayes迭代法优于单层Bayes迭代法,但多层Bayes迭代法需要更大的计算量.     

指数分布寿命试验的Bayes可靠性分析

在恒加应力寿命试验中，对指数分布的混合数据给出了可靠性的Ｂａｙｅｓ分析方法，得出在正常应力下的失效率的Ｂａｙｃｓ估计，并对无失效数据以及常应力截尾试验数据进行了讨论。     

熵损失函数下指数分布产品寿命绩效指标的Bayes统计推断

寿命绩效指标为衡量产品质量的一项重要指标,其统计推断研究具有重要的意义。针对产品寿命服从指数分布情形的寿命绩效指标的统计推断问题,在熵损失函数下导出了寿命绩效指标的Bayes估计,并在此基础上提出了一套新的检验程序用于产品质量。最后通过实际应用例子说明了方法的有效性和可行性。 更多还原     

指数分布无失效数据的Bayes分析

对指数分布无失效数据，给出了Ｂａｙｅｓ估计，并对一些结果进行了比较。     

恒定应力加速寿命试验下指数寿命产品的Bayes可靠性分析

根据恒定应力加速寿命试验下指数寿命产品的Ｂａｙｅｓ可靠性分析，给出了在无信息验前分布不完全Ｇａｍｍａ验前分布两种情况下，正常应力水平的失效率λ０的点估计，并给出数值例．     

开关寿命连续型的不同型部件冷贮备系统可靠度

为了讨论开关寿命连续型的不同型多部件冷贮备不可修系统的可靠度，假设系统由1个部件和n-1个冷贮备部件组成，转换开关寿命和部件的工作寿命都服从指数分布、所有随机变量均相互独立。首先根据两部件、三部件、四部件冷贮备系统可靠度以及冷贮备系统可靠度的定义推导了多部件开关寿命指数型的冷贮备系统可靠度关于部件个数的递推关系式，从而得出该系统可靠度的理论表达式，最后从开关完全可靠的多部件冷贮备系统这方面来实例验证该系统可靠度函数的正确性。     

基于无失效数据贮备系统可靠性的fiducial置信限

研究元件具有无失效试验数据的贮备系统可靠性的评定问题.由无失效试验数据下元件可靠性置信下限的定义,得到元件分布参数的fiducial分布.并以此为出发点,对基于指数寿命型元件的无失效成败型试验数据、贮备系统的切换开关的成败型试验数据,在开关的成功概率分别为已知和未知的情形下,导出了由指数寿命型元件组成的贮备系统可靠性的fiducial置信下限的计算公式,并给出了算例.     

失效率为指数函数的模型中使用屏蔽数据的参数估计

考虑一个由独立、不完全相同的单元组成的串联系统,使用屏蔽数据时的参数估计.当失效率为指数函数时,给出了参数的极大似然估计和Bayes估计.在Bayes估计中,假定未知参数的先验分布为对称的三角分布.主要考虑两单元串联系统,并通过数据模拟对极大似然估计和Bayes估计这两种方法进行了比较.     

威布尔分布参数的最高后验概率密度区间估计算法

研究了在先验分布为伽玛分布下,威布尔分布未知参数θ的Bayes区间估计方法,并给出参数的最高后验概率密度区间——HPD区间估计的条件极值解法.最后给出例子,说明该方法的优越性.     

基于KL散度的岩土参数可信度贝叶斯估计

鉴于先验信息与样本信息的不匹配, 会导致岩土参数的贝叶斯估计结果与实际产生偏差. 为解决该问题, 本文引入可信度贝叶斯估计的概念, 并结合相容性检验, 改进了基于KL散度的经典可信度计算公式. 最后, 以宁波地区典型土层的地基承载力为例, 对比改进可信度贝叶斯、经典可信度贝叶斯和经典贝叶斯的估计结果. 结果表明: 改进可信度贝叶斯方法能在充分利用先验信息的前提下, 提高样本信息在参数估计中的计算权重, 同时也避免了不匹配问题所导致的贝叶斯计算误差.     

左删失恒定应力部分加速寿命试验下逆Rayleigh分布的参数估计

在恒定应力部分加速寿命试验下,基于左删失样本,研究了逆Rayleigh分布的参数估计问题。运用极大似然法得到未知参数和加速因子的极大似然估计。根据Louis提出的缺失信息原则,计算了Fisher信息矩阵,得到分布参数和加速因子的近似置信区间。当取参数的先验分布为指数分布时,在平方损失函数下求得了参数的贝叶斯估计,并利用极大似然法估计了超参数。通过 Monte Carlo 模拟,得到估计量的均方误差,据此对极大似然估计和贝叶斯估计进行了比较。最后,计算了不同左删失样本下逆Rayleigh分布参数及加速因子的估计。     

基于不完全保修数据的汽车可靠性估计

引入保修期末行驶里程作为伴随变量,刻画了不完全保修数据的似然性,并在指数分布假设下,计算出平均首次故障里程的极大似然估计,推广了完全数据的估计结果.     

多元Block-Basu型指数分布的特征及参数估计

利用分布密度分拆的思想,导出了多元Block-Basu型指数分布的特征,得到了相应参数的最大似然估计和矩估计,并给出了相应的模拟结果.     

基于贝叶斯网络的稀疏出租车GPS轨迹路径还原方法

为提高出租车GPS大数据的可用性, 提出一种基于贝叶斯网络研究稀疏出租车GPS轨迹路径还原的方法. 与传统仅基于时空变量的研究方法不同, 新算法同时考虑天气条件、驾驶员特性、车辆行驶特性与出租车的载客状态等因素来进行路径还原预测. 以宁波市体育中心周围的路网为例, 将出租车服务信息管理平台的GPS轨迹数据作为测试对象, 验证本文方法的适用性. 结果显示, 基于多因素的贝叶斯网络方法在还原精度方面(达到91.4%)优于Logit选择模型. 此外, 新算法尤其适用于出租车轨迹数据缺失率较高的场景, 比如缺失轨迹点跨度在5 min左右.