复合MLINEX对称损失函数下Pareto分布参数的Bayes估计

文章针对两参数Pareto分布的Bayes估计问题,在尺度参数λ已知的情况下,运用Bayes定理,得到复合MLINEX对称损失函数下形状参数θ的Bayes估计,并证明其是可容许的。最后在给定三类不同超参数的先验密度函数下,给出E-Bayes估计和多层Bayes估计,且得到E-Bayes估计具有保序性。

非对称损失下威布尔分布总体的参数设计

田口玄一的参数设计思想只是针对对称的二次损失函数所做,有一定的局限性。讨论了非对称的二次损失函数,定义了损失系数比。说明了在非对称的二次损失函数下,也可以采用田口玄一减小质量损失的思想:先进行稳健性设计减小波动,再进行灵敏度设计减小偏差。并在指标服从威布尔分布的情形下定义了调整参数,给出了参数设计的方法和步骤。指出了调整参数在参数设计中的特殊位置和重要特性,列出了部分最优调整参数的值。

非对称损失函数的质量特性值优化选择

质量特性目标值的选定是一个重要的命题,它是影响质量成本的一个重要因素。由顾客定义的特性目标值并不一定能使得总体的质量损失最小化。针对此问题,讨论了非对称的质量损失函数,在此基础上构造出质量特性目标值的优选模型,得到最优目标值。在模型的应用中表明:质量损失系数不变、质量特性左偏比右偏更有害的情况下,质量特性最优值与期望总损失随分布标准差的增大而增大;分布标准差不变的情况下,质量特性最优值与期望总损失相对质量损失系数具有一定的稳健性。

基于非对称损失函数的参数设计

本文针对望目特性的正态指标,在非对称的二次质量损失函数下,讨论了参数设计的可行性, 证明田口方法的稳健性设计和灵敏度设计依然行之有效.定义了调整参数,求出了使质量损失最小的数值解,并给出了参数设计的具体步骤.

非对称损失函数正态分布总体的参数设计

文章在损失为非对称的情况下,讨论了参数设计的可行性,证明了田口方法的稳健设计和灵敏度设计依然有效,给出了参数设计的方法与具体步骤。

基于非对称质量损失函数的分段参数设计

在产品的制造过程中,由于受到随机因素和系统因素等多种因素的影响,产品的质量特性不可能全部保持在目标值上,而是围绕目标值上下波动。偏离目标值就会产生质量损失,通常情况下,质量损失函数是围绕目标值的对称函数。但在实际中,存在非对称现象,此时利用对称质量损失函数进行参数设计的方法已经不合适。在非对称的情况下对质量损失函数及其质量参数进行设计,将非对称质量损失函数分为两段,每一段分别构造不同的对称损失函数,然后分别计算两端的质量损失,两者之和即为总损失。在此基础上,以质量损失最小化为目标,进行质量函数的稳健性和灵敏性设计。最后,通过实证案例进行可行性验证。

非对称损失下单边截断分布族参数的经验Bayes检验问题

在一种非对称损失函数下,讨论了一类单边截断型分布族参数的经验Balyes检验问题,构造了参数的经验Bayes检验函数,证明它具有渐近最优性,并且获得了它的收敛速度。

非对称损失下的预测区间

本文在回顾经典的点预测理论和区间预测理论的基础上给出了求最优预测区间的准则,该准则不仅考虑了预测区间的可信程度,而且将损失函数纳入进了求预测区间的框架.在该框架下,研究了损失函数满足某些特定条件时的预测区间,结果发现与经典预测理论中的等尾取法和对称取法得到的预测区间是一致的.

基于非对称质量损失模型的函数机构稳健设计

为解决产品的质量特性偏离理想值所带来的非对称质量损失问题,提出一种非对称质量损失模型。应用截尾正态分布理论,推导出非对称质量损失的均值计算公式,以曲柄滑块机构为例,建立对称与非对称2种稳健优化模型。与对称质量损失函数相比,基于非对称质量损失函数的优化结果能够有效避开质量损失大的方向,从而有效减小质量损失。蒙特卡洛仿真实验验证了该方法的有效性。

复合Mlinex对称损失下k阶Erlang分布参数的Bayes估计

在Mlinex损失函数基础上定义了复合Mlinex对称损失函数;在复合Mlinex对称损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计、E-Bayes估计及多层Bayes估计,并证明了其容许性;最后通过MATLAB模拟检验了参数的3种Bayes估计的合理性和优良性。

二元非对称质量损失的三角分布过程均值优化

对于非对称质量损失,过程均值并不是越接近目标值越好,需要对过程均值进行优化.针对三角分布这种常见的非正态分布,研究了非对称质量损失时其过程均值的优化问题.在总结田口提出的二元非对称质量损失函数的基础上,分析了质量特性为三角分布时过程均值的变化对质量损失的影响,并指出过程均值变化的4种情况;给出了计算非对称质量损失的数学模型,并得到三角分布时最佳过程均值的计算方法.最后,用实例验证了此过程均值优化模型的有效性.

非对称损失下单边截断分布族参数的经验Bayes检验及其收敛速度

在一种非对称损失下,构造了一类单边截断型分布族参数的经验Bayes检验,建立其收敛速度,在一定条件下证明了它的收敛速度可以任意接近于1/2。最后给出满足定理条件的一个例子。

一种非对称损失下分布函数的最优不变估计

给定来自一未知连续分布函数F的容量为n的子样x1,x2,…,xn,考虑分布函数F的不变估计问题.在非对称损失函数L(F(t),d(t))=b∫(exp{a[d(t)-F(t)]}-a[d(t)-F(t)]-1)dF(t)和单调变换群下得到F的最优不变估计为d(t,X)=∑ni=0ciI(x(i)≤t≤x(i+1)),其中ci=1/aln(∫01ti(1-t)n-idt)/(∫01exp{-at}ti(1-t)n-idt),a≠0,b>0.

非对称脉冲装置内部流动及能量损失特性

为了了解脉冲射流性能及内部损失机理对提高井下作业效率的影响,以一种非对称脉冲射流装置为研究对象,研究不同形式水动力叶轮和盘阀间隙对装置的脉冲性能影响,并采用熵产理论对装置内能量损失进行定量分析.研究表明:当动盘阀通道和静盘阀孔口契合时,装置该出口处达到最大脉冲速度,采用新型轴流叶轮装置的最大脉冲速度达到47.22 m/s,最大压力脉冲幅值为1.07 MPa,与初始叶轮装置脉冲性能相似;初始叶轮的脉冲射流装置水动力叶轮段总熵产为33.90 W/K,新型轴流叶轮的脉冲射流装置水动力叶轮段总熵产为28.72 W/K,新型轴流叶轮的脉冲射流装置叶轮段能量损失更少;脉冲射流装置可以形成周期性的强非对称性脉冲射流,动盘阀和静盘阀间隙越小,装置脉冲性能越优,能量损失更大.

非对称二次损失下位置参数的贝叶斯估计

文章利用仿射变换的思想方法解决了在非对称二次损失函数下求参数的贝叶斯估计问题,并以正态分布为例,说明了求贝叶斯估计的过程。该方法不仅适用于包括正态分布在内的任一分布,而且简单可行。

发现非对称性损失的非对称样本容量均值图

在一些生产过程中,过程均值的正向飘移与负向飘移对生产者意味着不同损失.提出了两种非对称样本容量均值图.利用马氏链方法研究了控制图的统计性质.计算结果显示,对于小于1.5个过程标准差的过程均值飘移,非对称样本容量均值图在兼顾一方向飘移的同时能更加快速地发现另一方向飘移,而警戒限的加入加快了控制图发现过程均值一个方向漂移的速度.

非对称质量损失函数系数的参数设计

针对望目质量特性的产品,引进了田口玄一的质量损失函数,分析了Artiles-leon提出的无量纲‘标准化’的多变量质量损失函数.然后从非对称方面对损失函数系数进行拓展,是田口质量损失函数的近一步发展.从而达到更精确地计算质量损失的目的.

基于非对称二次损失的参数设计

文章研究了非对称二次损失函数下的参数设计问题。证明了对于任意分布而言,在非对称二次损失函数下,重数应设计为目标值减去标准差乘以调整系数。此外,文章还以正态分布为例,介绍了在非对称二次损失函数下进行参数设计的步骤。

NA样本下非对称损失函数截尾参数的经验Bayes检验

研究了负相关(NA)样本下具有非对称损失函数单边截尾参数的经验Bayes检验.其损失函数为L(θ,0θ)=k1(θ-0θ)2I(θ<θ0)+[k1(θ-0θ)2+k2(θ-0θ)]I(θ≥θ0),ki≥0,i=1,2.应用概率密度函数的核估计来构造检验函数,得到了它的收敛速率具有渐近最优性.并发现对所提出的EB检验,在某些条件下,具有渐近最优性的收敛速率,能够任意接近于1.

投影寻踪学习网络的非对称损失改进

本文针对投影寻踪学习网络信用评分存在第I类错误率高的问题,提出了基于非对称损失下投影寻踪学习网络方法的改进,给出了UCI机器学习数据库中德国信用评分数据集上的测试结果。实验表明,本算法对解决投影寻踪学习网络信用评分的问题是有效的。