逐步增加Ⅰ型混合截尾试验下B-S部件的可靠性分析

在逐步增加Ⅰ型混合截尾试验下,利用最大期望(expectation maximization,EM)算法讨论了Birnbaum-Saunders(B-S)部件的参数及可靠度的估计问题。将B-S分布复杂的分布形式转换成较为简单的逆高斯分布和逆高斯分布倒数的等加权和形式,推导出逐步增加I型混合截尾中隐藏变量的后验密度,进而获得部件寿命参数和可靠度的极大似然估计和渐近置信区间。蒙特卡罗数值算例表明,简化后的B-S分布在逐步增加I型混合截尾试验方案中,EM算法经过较少迭代即达到收敛。同时,通过对数据情形I和情形Ⅱ下的估计结果分析,给出了较一般截尾试验方式更为丰富的结论,使得相应的统计结果更加全面和精确。

逐步Ⅰ型混合截尾试验下Burr部件的可靠性分析

在逐步Ⅰ型混合截尾试验下,研究了Burr部件寿命参数及可靠性指标的极大似然估计和Bayes估计。利用简单迭代方法,给出了寿命参数和可靠性指标的极大似然估计的数值解。然后利用Lindely Bayes近似算法得到了平方损失下寿命参数以及可靠性指标的Bayes估计。最后,运用Monte-Carlo方法对各估计结果作了模拟比较,结果表明Bayes估计较极大似然估计的误差小。

多重Ⅰ型混合截尾样本的Weibull分布参数估计

在多重Ⅰ型混合截尾样本情形下,讨论了两参数威布尔分布的参数估计问题。首先结合样本次序统计量联合密度函数给出了参数最大似然估计的表达式,其次利用Newton⁃Raphson迭代方法得到参数的最大似然估计,然后借助指数分布给出参数的精确置信区间,最后对参数的最大似然估计进行模拟研究和实例案例分析,最大似然估计的稳定性和有效性得到验证。

逐步增加Ⅱ型截尾样本下k/N(G)系统可靠性指标的置信区间

在逐步增加Ⅰ型截尾样本下,研究k/N(G)系统可靠性指标的区间估计问题。假设部件寿命服从指数分布,利用极大似然法和Bayes方法,首先给出了部件失效率的Bayes近似置信区间,其次推导出了系统可靠度和平均寿命的Bayes近似置信区间的计算公式。最后给出随机模拟例子,并对置信区间的精度进行了讨论。

多元混合指数分布的参数估计

应用EM算法研究了多元混合指数分布场合下,正常应力对完全数据场合、Ⅰ-型截尾和Ⅱ-型截尾场合的参数估计问题。

三元混合指数分布的参数估计

本文应用EM算法研究了三元混合指数分布在正常应力条件下和恒定应力加速寿命试验条件下,在完全数据场合、Ⅰ-型截尾和Ⅱ-型截尾场合的参数估计问题。

位置尺度分布族中截尾数据的Fisher信息量

证明了混合型截尾数据的渐近Fisher信息矩阵和Ⅰ型截尾数据的Fisher信息矩阵一致。该结果可以推广到一般的对数位置尺度分布族 ,如Weibull分布、对数正态分布等。

逐步Ⅰ型混合截尾下广义Pareto分布的参数估计

为精准研判工业产品失效规律,得到更为准确的工业产品寿命,探讨逐步Ⅰ型混合截尾下广义Pareto分布的参数估计问题。构建了广义Pareto分布中形状参数?的极大似然估计(MLE)和Bayes估计。分别利用Bootstrap方法和Gibbs抽样法,获得了形状参数的Bootstrap置信区间和最大后验密度(HPD)置信区间。通过Monte Carlo数值模拟方法对形状参数的MIE和Bayes估计效果进行比较。设计了两种移走方案,开展了数值模拟试算和案例研究,结果表明:样本量方面,当样本量较小时,Bayes估计的平均相对偏差在0.3以下,好于MLE,当样本量较大时,MLE更为精准;方案选择方面,移走数目较多的方案更能节约试验成本,在相同置信度下,HPD置信区间优于Student-t置信区间。

多元混合指数分布场合下恒加试验完全数据的参数估计

本文应用EM算法研究了多元混合指数分布,在恒定应力加速寿命试验条件下,在完全数据场合、I-型截尾和II-型截尾场合的参数估计问题.