一类统计模型相应风险的极小极大估计

关于风险估计,Bunke曾讨论了一类多参数控制的线性模型在带正定"加权"矩阵的二次损失函数下,最佳线性无偏估计量的极小极大性.然而,对于相应风险中具有大估计误差的不合理加权,上述损失函数已不适用.为此,本文提出了一类更为理想的二次损失函数,并在此损失函数下,对相关风险进行了极小极大估计与比较.讨论结果表明,本文提出的二次损失函数是合理与适用的.

一类理想二次损失函数下多参数统计模型的风险估计

Bunke曾讨论了一类多参数控制的线性模型在带正定“加权”矩阵的二次损失函数下 ,最佳线性无偏估计量的极小极大性 .然而 ,对于相应风险中具有大估计误差的不合理加权 ,上述损失函数已不适用 .为此 ,提出了一类更为理想的二次损失函数 ,并在此损失函数下 ,对相关风险进行了极小极大估计与比较 .结果表明 ,所提出的二次损失函数是合理的。

贝叶斯公式的应用推广

贝叶斯公式是统计学中一个非常重要的知识,它的应用特点是通过先验概率与实践结果的结合,得到更为准确的后验概率。本研究以突发性疫情诊断、审讯时线索价值、诚信度下降、投资风险分析为例,深入讲解贝叶斯公式的应用。

MTBF保证试验中使用方风险β的分析

采用Bayes方法，进行MTBF保证试验中的使用方风险β的分析，并给出算例，证明分析的有效性。

基于信息融合的系统可靠性优化试验设计模型

分析了现今可靠性试验设计的不足,考虑两类风险(弃真风险、采伪风险)建立了基于信息融合的可靠性优化试验设计模型(ORTIF,optimization reliability test design modeling based on information fusion).分析了可靠性试验设计的需求、约束条件,基于子系统和系统验前分布是Beta分布,提出了可靠性系统中子系统层与系统层之间的信息融合技术.根据验后风险准则,给出弃真和采伪风险的定义.基于Matlab软件给出了最优试验方案数值计算的求解步骤.最后以液态火箭发动机为例,求解出满足约束条件的最优试验方案为(9,5,10,6,1),对应的最小试验费用为3 326.9,并得出权值方案对试验方案的确定影响较大的结论.