测试性验证中抽样方案的精确算法及应用

通过对二项分布函数单调性的讨论,提出了求解二项分布函数联立不等式的精确算法,可迅速准确地获得测试性验证的抽样方案。并研制了测试性验证软件包,可以较好地满足测试性验证的要求。

基于两类风险的正态分布Bayes试验样本量

对在方差已知正态分布情形下的装备Bayes试验设计方案进行了研究。给出了在两类风险要求下验证试验方案的求解思路、简单假设下试验验证方案的求解过程、试验样本量的计算公式。结合实例对试验设计方案求解的过程进行了分析,通过与经典方法的对比验证了方法的有效性。

测试性验证中正态分布法改进

文中改进了测试性验证中的正态分布法,通过添加试验前计算,完全消除试验后计算,直接给出抽样方案。

测试性验证中抽样方案的精确算法

在测试性验证中首选的二项分布是离散取值的 ,由于计算困难 ,确定抽样方案通常采用一些变通的方法。通过对二项分布函数的研究 ,证明它是关于概率 p和试验中允许失败次数 r的单调增函数 ,是关于试验次数 n的单调减函数。根据这些结论 ,提出了求解二项分布的联立不等式的精确算法 ,在可能的求解区域采用多变量折半搜索的算法 ,确定联立不等式的最优解 ,从而可以快速准确地获得测试性验证的抽样方案。最后 ,将计算结果与 IEC1 1 2 3作了比较 ,证明了此算法的正确性。

基于故障率的测试性验证试验故障样本分配方案

现有的分层抽样算法中故障率数据不准确是导致测试性验证试验结果不可信的一个原因。为解决这个问题,提出了利用验前信息和MonteCarlo仿真相结合的方法计算故障率。首先考虑故障率的随机特性和量级范围,用Gamma分布来拟合故障率的概率分布,根据上下限分位点确定了Gamma分布中的超参数。然后利用舍取抽样得到了大量的服从Gamma分布的随机数,求平均值作为实际系统的故障率值。以此故障率数据进行分层抽样,得到的故障样本分配方案更合理,试验结果更可信。