研究k/n系统部件由两个相依竞争失效机理组成的可靠性问题,相依失效机理对应的失效时间由Gumbel-Hougaard Copula函数连接,边缘分布服从形状参数和尺度参数均不相同的Weibull分布。基于截尾样本下建立k/n系统部件失效的模型,证明了边缘...研究k/n系统部件由两个相依竞争失效机理组成的可靠性问题,相依失效机理对应的失效时间由Gumbel-Hougaard Copula函数连接,边缘分布服从形状参数和尺度参数均不相同的Weibull分布。基于截尾样本下建立k/n系统部件失效的模型,证明了边缘分布形状参数的后验密度函数具有对数凹性,基于此性质提出了Metropolitan-Hastings(MH)抽样混合Gibbs抽样的Bayes估计方法。采用Inference for the margins(IFM)方法对参数进行估计。通过Monte Carlo实验比较两种方法的可行性和有效性。结果表明Bayes估计结果优于IFM估计结果。最后,将构建的模型运用到一个真实数据中。展开更多
在逐次Ⅱ型截尾样本下,讨论以Gumbel极值分布为边缘分布,Gumbel Copula为连接函数的相依竞争失效模型参数的极大似然估计(MLE)和Bayes估计.对于参数MLE,提出与生存函数成正比的两阶段估计(Inference for the margins,IFM).对于Bayes估计...在逐次Ⅱ型截尾样本下,讨论以Gumbel极值分布为边缘分布,Gumbel Copula为连接函数的相依竞争失效模型参数的极大似然估计(MLE)和Bayes估计.对于参数MLE,提出与生存函数成正比的两阶段估计(Inference for the margins,IFM).对于Bayes估计,证明了Gumbel极值分布尺度参数的对数凹性,采用混合ARS(Adaptive Re-jection Sampling Algorithm)和MH(Metropolis-Hastings)抽样方法实现参数估计.模拟结果表明,当两失效机理关联性较弱时,两种估计结果相差不大,但关联性提高时,Bayes估计优于IFM估计.展开更多
文摘研究k/n系统部件由两个相依竞争失效机理组成的可靠性问题,相依失效机理对应的失效时间由Gumbel-Hougaard Copula函数连接,边缘分布服从形状参数和尺度参数均不相同的Weibull分布。基于截尾样本下建立k/n系统部件失效的模型,证明了边缘分布形状参数的后验密度函数具有对数凹性,基于此性质提出了Metropolitan-Hastings(MH)抽样混合Gibbs抽样的Bayes估计方法。采用Inference for the margins(IFM)方法对参数进行估计。通过Monte Carlo实验比较两种方法的可行性和有效性。结果表明Bayes估计结果优于IFM估计结果。最后,将构建的模型运用到一个真实数据中。
文摘在逐次Ⅱ型截尾样本下,讨论以Gumbel极值分布为边缘分布,Gumbel Copula为连接函数的相依竞争失效模型参数的极大似然估计(MLE)和Bayes估计.对于参数MLE,提出与生存函数成正比的两阶段估计(Inference for the margins,IFM).对于Bayes估计,证明了Gumbel极值分布尺度参数的对数凹性,采用混合ARS(Adaptive Re-jection Sampling Algorithm)和MH(Metropolis-Hastings)抽样方法实现参数估计.模拟结果表明,当两失效机理关联性较弱时,两种估计结果相差不大,但关联性提高时,Bayes估计优于IFM估计.