小子样场合下估算母体百分位值置信下限和可靠度置信下限的Bootstrap方法

将Bootstrap方法引入到小子样场合下母体百分位值置信下限的计算中,并与传统的单侧容限系数法和新单侧容限系数法进行了大量的对比计算,算例表明Bootstrap方法明显优于其他两种方法,在较高可靠度和置信度要求下母体百分位值置信下限不会出现负值的情况,而且计算得到的结果更接近真值。发展了一种半参数Bootstrap方法用于计算可靠度的置信下限,模拟计算表明半参数Bootstrap方法很好地克服了置信度较高时,新旧单侧容限系数计算出的可靠度置信下限过低的局限性,而且半参数Bootstrap方法的计算结果均有较高的精度。

基于概率加权矩的三参数Weibull分布母体百分位值和可靠度置信限估计的新方法

利用概率加权矩对Weibull分布三个参数的无偏估计以及Bootstrap方法再抽样的统计特性,文章提出了一种三参数Weibull母体百分位值置信限和可靠度置信限估计的新方法,所提方法概念清晰且易于实现。大量的数字模拟表明:所提方法在计算精度和效率方面均优于已有的估计方法,实际应用算例也表明所提方法具有较高的工程实用性。

小样本下基于概率加权矩的母体百分位值置信下限和可靠度置信下限估计的新方法

基于小样本场合下概率加权矩估计良好的无偏性,建立母体百分位值置信下限x^R和可靠度置信下限R^L估计的新方法。传统的估计x^R和R^L的单侧容限系数、新单侧容限系数和随机抽样等方法均采用矩方法或极大似然法来估计母体的分布参数,而所提方法则采用概率加权矩来估计母体的分布参数。由于小样本情况下概率加权矩法具有更优良的统计特性,因而在小样本情况下基于概率加权矩的x^R和R^L估计值比传统的方法更接近真值。大量的数字模拟试验也表明,所提新方法在小样本情况下优于传统方法。

确定正态母体百分位值置信限的小子样方法

本文提出了确定正态母体百分位值置信限的高精度小样本方法。该方法充分利用经验子样和当前子样的全部数据信息,得到了高置信度的正态母体百分位值置信下限,与传统公式比较,更接近母体真值。

二维单侧容限系数方法

给出了一种二维单侧容限系数公式,并提出确定高自由度的子样均值和标准差方法。从而能充分利用以往的数据和经验,大大减少了试件个数。与国际上常用的(一维)单侧容限系数法相比,可节省大量试件;而在试件个数相同的情况下,则可得到更接近于母体百分位值的置信限(如安全寿命、安全强度或安全载荷等)。文中还给出了可靠度置信下限公式。