定数截尾时，Weibull分布的Bares单样预测

对定数截尾时的Weibull分布的单样预测,介绍了无信息先验分布下的Bayes精确等尾预测区间,给出了其计算方法,指出了平方损失下,Bayes预测子不存在,介绍了Frequentist （经典）预测子,并用数值例说明之。     

Weibull分布与极值分布的单样预测

对Weibull分布与极值分布的单样预测问题进行了讨论，给出了单样预测的无偏预测子与近似的预测限，并用数值例说明这些方法。     

关于指数分布的MLP与SLP的讨论

对指数分布、双参数指数分布的无替换与有替换的Ⅰ、Ⅱ型截尾样本．给出了单样、双样预测的MLP（极大似然预测子）,对Ⅰ型截尾样本还给出了LP（简单线性预测子）。     

定数截尾时，Weibull分布的Bayes双样预测

对定数截尾时的Weibull分布，介绍了无信息先验分布下的Bayes等尾精确预测区间，讨论了它的计算方法，指出了平方损失下Bayes预测子不存在，给出了Frequentist预测子，并用数值例说明之。     

定时截尾场合，指数分布的Bayes单样与双样预测

对时间截尾场合的指数分布，在近似概率匹配先验分布下，给出了Bayes单样与双样预测区间与预测子，并用数值例说明了这些方法。     

双参数指数分布的单样预测问题

对双参数指数分布，本文给出了单样预测问题的预测子及预测区间，指出它们对寿命试验问题的应用，并用数值例说明了这些方法。     

Ⅱ型截尾时指数分布在未来时间区间内失效数的预测

对一般的连续分布，给出了单、双样预测未来失效数的条件概率，并对指数分布的Ⅱ型截尾样本，给出了未来时间区间内失效数的Bayes及Fiducial单样、双样预测子和预测区间（PIs）。     

双参数指数分布的可靠性评估（I）

本文对双参数指数分布的参数(位置参数μ，尺度参数θ)，可靠性测度(失效率λ，平均寿命M，可靠寿命tR，可靠度R(t))的UMVUE(一致最小方差无偏估计)无信息先验分布下的Bayes估计进行了讨论，并系统地给出了这些参数与测度的经典精确限、Fiducial精确限，无信息先验分布下的Bayes精确可信限，并用数值例说明了这些方法。     

Ⅱ型截尾时双参数指数分布失效数的预测

对于Ⅱ型截尾时双参数指数分布,给出了未来时间区间内失效数的Bayes及Fiducial单样、双样预测子和预测区间（PIs）。     

预定成功数的负二项分布的预测

对预定成功数的负二项分布的预测问题,给出了一致最小方差无偏预测子,Bayes与Fiducial预测子与预测区间,并用数值例进行了说明。     

预定失败数的负二项分布的预测

对预定失败数的负二项分布,给出了一致最小方差无偏预测子及Bayes与Fiducial预测子和预测区间,比较了Bayes和Fiducial PI的优良性,并用数值例进行了说明。     

关于Weibull分布条件方法的研究

推导了Weibull分布单样预测区间的条件方法的简便表达式。并对Weibull分布参数与特征的置信区间的条件方法、单样预测区间的条件方法的性质给予了初等证明。给出了单样预测区间的计算方法，并用数值例作了说明。     

构造单样预测区间的基于观测值的条件方法

基于Ⅱ型截尾样本的观测值,提出了一种新的构造样本未来观测值与样本未来观测值落入时间区间(yr,t]内的个数(未来失效数)的单样预测区间的条件方法。     

双参数指数分布的可靠性评估（Ⅱ）

本文对双参数指数分布的参数(位置参数μ，尺度参数θ)，可靠性测度(失效率λ，平均寿命M，可靠寿命tR，可靠度R(t))的UMVUE(一致最小方差无偏估计)，无信息先验分布下的Bayes估计进行了讨论，并系统地给出了这些参数与测度的经典精确限、Fiducial精确限、无信息先验分布下的Bayes精确可信限，并用数值例说明了这些方法。     

Ⅱ型截尾时，位置尺度族分布单双样预测的BLUP与BLIP

用初等方法给出了位置尺度族分布单、双样预测的最佳线性无偏预测子（BLUP）与最佳线性同变预测子（BLIP）的推导方法。     

定时截尾指数分布未来失效数的预测

对定时截尾的情况,给出了指数分布未来失效数的Bayes预测,并给出了数值解的说明。     

故障终止的PLP与HPP的经典双样预测

对故障终止的PLP与HPP，给出了双样预测的Frequentist（也称经典）预测子与预测区间，提出了预测区间系数的计算方法，给出了应用于存在显著可靠性增长且符合PLP的失败终止的成败型数据的方法，并用数值例说明之。     

指数分布的Bayes单样与双样预测区间

给出了共轭型先验分布下，指数分布的Bayes单样与双样预测区间，指出了它们与Dunsmore（1974）给出的Bayes预测pdf的关系，并讨论了它们与Frequentist预测敬意之间的关系。     

二项分布的Frequentist、Bayesian、Fiducial预测

要研究二项分布随机变量的预测问题，给定过去样本，给出了未来样本成功数的Frequentist（经典方法）预测子，并给出了Frequentist、BayeSian（贝叶斯方法）以及Fiducial（信赖方法）预测区间。     

Poisson分布的预测

对Poisson分布的未来样本的观测值给出了UMVUP(一致最小方差无偏预测子),介绍了Faulkenberry的Frequentist精确预测区间(PI),给出了无信息先验的Bayes PI与Fiducial PI,比较表明Faulkenkerry的PI最优,推荐在工程上使用,最后用数值例进行了说明。