逐步增加Ⅱ型截尾下复合瑞利分布参数的Bayes估计

在逐步增加Ⅱ型截尾样本下,给出了复合瑞利分布尺度参数的极大似然估计.在取先验分布为无先验信息、共轭先验分布、指数分布时,考虑平方损失函数与对称熵损失函数估计的准确性,得到了参数的Bayes估计的表达式.通过随机模拟试验数据对比发现,从有无先验信息的角度看,尺度参数θ的Bayes估计在无先验信息下的估计要更加接近真值,故无先验信息下的估计值比有先验信息的估计值更准确.在不同的损失函数下,对称熵损失函数下的估计值均方误差较小,故在对称熵损失函数下尺度参数θ的估计是最优的.

MLINEX损失下BurrⅫ部件可靠性指标的经验贝叶斯估计

基于逐步增加Ⅱ型截尾样本,研究MLINEX损失下BurrⅫ部件可靠性指标的经验Bayes估计。利用MLE方法求出超参数的估计,从而得出未知参数、可靠度及失效率函数的经验Bayes估计。最后通过Monte-Carlo方法给出随机仿真例子,表明当样本容量m相同时,截尾数n越小,均方误差越小;当截尾数n相同时,样本容量m越大,均方误差越小。

瑞利分布的可靠性分析

基于逐步增加Ⅱ型截尾样本,研究了瑞利分布可靠性指标的贝叶斯估计及其容许性.在不同的损失函数下给出了分布参数、可靠度函数、失效率函数的贝叶斯估计及参数的最短可信区间估计,并证明了贝叶斯估计具有容许性.最后运用蒙特卡洛方法对各结果的均方误差进行了比较.

Burr-XⅡ部件可靠性指标的贝叶斯估计

基于逐步增加Ⅱ型截尾样本,讨论了Burr-XⅡ分布的Bayes估计及其性质。在不同的先验分布及刻度平方误差损失函数下给出了参数,可靠度函数以及失效率函数的Bayes估计,并证明了估计的容许性。最后运用Monte Carlo方法对各结果的MSE进行了模拟比较。结果表明,本文给出的估计结果精度高。