两种截断和删失情形下截尾指数分布的参数估计

所谓截尾指数分布,即指服从指数分布的随机变量均为非负的情况.截尾指数分布是概率统计中一种重要的分布,也是生存分析中最重要的参数模型之一.在实际应用中,常用截尾指数分布作为各种寿命分布的近似,如无线电元件的寿命,动物的寿命,电话的通话时间,随机服务系统的服务时间等都常假定服从截尾指数分布[1]。

左截尾双参数指数分布的可靠寿命的广义置信下限

本文基于左截尾双参数指数分布定数截尾数据,利用Weerahandi给出的广义枢轴量和广义置信区间的概念,通过两种不同的方法建立了可靠寿命的广义置信下限.第1种方法利用位置参数无限制时可靠寿命的广义置信下限来定义左截尾情形下可靠寿命的限制广义置信下限,第2种方法基于广义枢轴量在限制参数空间上的条件分布给出可靠寿命的条件广义置信下限.我们分别研究了这两种置信下限的性质,给出了简单易行的数值计算方法.模拟比较表明限制广义置信下限具有好的覆盖率性质,条件广义置信下限的覆盖率与参数取值有关,但它有时比限制广义置信下限具有更大均值和更小标准差.

左截尾双参数指数分布的可靠性评估(Ⅱ)

对左截尾双参数指数分布,给出了其分布参数(位置参数μ,尺度参数θ),可靠性测度(失效率λ,平均失效前时间(MTTF)M,可靠寿命tR,可靠度R(t))的UMVUE,Bayes估计与经典精确限,Bayes精确可信限,还给出了MTTF高精度的经典近似限,最后用数值例说明了这些方法。

左截尾双参数指数分布的可靠性评估(Ⅰ)

对左截尾双参数指数分布,给出了其分布参数(位置参数μ,尺度参数θ)、可靠性测度(失效率λ,平均失效前时间(MTTF)M,可靠寿命tR,可靠度R(t) )的UMVUE、Bayes估计与经典精确限和Bayes精确可信限,还给出了MTTF高精度的经典近似限。最后用数值例说明了这些方法。

左截尾双参数指数分布可靠度与可靠寿命近似限的研究

基于左截尾双参数指数分布可靠度与可靠寿命的Bayes精确可信下限与经典精确下限犤1,2犦,本文对Grubbs犤3犦近似(以下简称为G近似),Engelhardt&Bain犤4犦的简单近似与正态近似(以下分别简称为S近似与E近似)进行了分析及数值研究。结果指出:犤4犦,Lawless犤5犦,周源泉、翁朝曦犤6犦,Bain&Engelhardt犤7犦推荐使用E近似是不正确的,因为在所有情况下,E近似的精度甚差,在t-t1是够大时,Grubbs近似精度很高,它与S近似结合可很好地近似经典精确下限,且在t略小于t1+s/n及t≥t1+s/n时,G近似能很好地近似Bayes精确可信下限。

两截尾分布总体的最小后验风险Bayes推断

对给定的寿命试验数据X,利用似然比检验法可对该数据是来自截尾指数分布还是截尾正态分布进行判别,但却很难求出似然统计量的分布形式。基于Bayes公式,在错判损失不同和最小后验风险准则下,给出有助于判别的Bayes方法。

到达时间条件分布在风险理论中的一个应用

考虑保险公司经营的两类险种的保险业务:Ⅰ型和Ⅱ型.这两类险种的理赔次数过程N1(t)和N2(t)是相互独立的计数过程,且其理赔额序列Xi和Yi均服从截尾指数分布,则利用到达时间分布可得到该保险公司随时间变化两类险种的平均理赔额。

无失效数据的Bayes和多层Bayes估计(英文)

对无失效数据的研究 ,是近些年来遇到的一个新问题 ,在实际问题中迫切需要解决 ,这项工作具有理论和实际应用价值 .本文对无失效数据 (ti,ni) ,在时刻ti 的失效概率pi=p{T <t1 }的先验分布为截尾指数分布时 ,给出了 pi 的Bayes估计和多层Bayes估计 ,从而可以得到无失效数据情形可靠度的估计 .