指数分布双样预测的Bayes方法

本文对指数分布的双样预测问题用Bayes方法进行了讨论，结果表明，定数截尾时，无信息先验分布的Bayes预测限与经典预测限相同，但两者的预测子不一致，对有替换定时截尾，给出了经典方法目前尚未给出的双样预测问题的Bayes预测子与预测限，并用数值例说明了这些方法。     

正态结构可靠性的区间估计

在强度分布与应力分布的参数均未知的情况下,本文推导了完全样本时正态结构可靠性的经典精确限、Fiducial精确限及共轭型验前分布的Bayes精确限。当取元信息验前分布时,Bayes精确限与经典精确限、Fiducial精确限相等。同时也给出了一种正态结构可靠性的Bayes和Fiducial近似限。最后顺便得到了对数正态结构可靠性的区间估计。     

（对数）正态未来观测的预测分布及其应用

本文用Bayes方法给出了正态、对数正态分布示来观测的预测分布。据此，给出了两分布未来观测值的预测子与预测区间及两分布可靠性的Bayes估计，而经典预测区间与无信息先验分布下的Bayes预测区间相间。     

正态分布与对数正态分布的单样预测与保证期

本文对正态分布与对数正态分布的单样预测与保证期问题进行了讨论，给出了单样预测的无偏预测子与近似预测限，以及近似的保证期。     

可靠性最后增长模型的统计分析方法

文献[1]结合导弹研制的实际情况,提出了成败型可靠性最后增长模型。本文进一步给出了指数分布和三项分布可靠性最后增长模型的Bayes统计推断方法,导出了最末阶段可靠性Bayes限的精确解和近似解,并讨论了联合验前密度中参数的选取和假设检验问题。     

正态分布失效率的区间估计

基于正态分布N(μ,σ~2)的完全样本,在μ未知,σ~2已知时,本文给出了正态分布失效率的经典限、Bayes限和Fiducial限;在μ,σ~2均未知时,给出了失效率的Bayes限和Fiducial限。最后我们顺便得到了对数正态分布失效率的区间估计并用实例说明了这些方法。     

条件均值对可靠性测度Bayes估计的应用(Ⅰ)

本文讨论了条件均值对某些常见失效分布的参数与可靠性测度的Bayes估计的应用，这些分布包括，双参数指数分布，左截尾双参数指数分布，正态分布与对数正态分布。     

连续分布的Bayes双样预测的通用公式

针对一般的连续分布,给出了Bayes双样预测所需的大小为N的未来样本的第j个（j=1,2,,N）顺序统计量的条件概率密度函数、条件可靠度、条件均值的通用公式,并将之应用于最常见的连续分布。     

条件均值对可靠性测度Bayes估计的应用(I)

本文讨论了条件均值对某些常见失效分布的参数与可靠性测度的Bayes估计的应用,这些分布包括,双参数指数分布,左截尾双参数指数分布,正态分布与对数正态分布。     

Dempskey公式及其改进

在美国海军用的可靠性和有效性评审程序手册中,推荐了Dempskey给出的正态单边容许限系数K及正态单边可靠性下限R_L的近似公式,但迄今找不到推导该公式的文献。本文指出,Dempskey公式就是所述问题的经典一阶近似限。计算表明,其误差较大。为此,本文给出了经典二阶近似限及Bayes近似限。前者在样本大小大于10,后者在各种样本大小的情况下,均可很好地满足工程实践的需要。     

离散变量参数UMA限中均匀数取值的研究

本文用Jeffreys的无信息先验分布的Bayes方法与随机化的Fiducial方法，对UMA置信限中的均匀数u的取值问题进行了研究，结果表明，Mann建议u取1／2，对二项分布与有替换定时截尾的指数分布这是合适的，但对预定成功数或失败数的负二项分布，此值略为偏小，其相对误差与样本量n的关系为l／(2n 1).     

性能可靠性的Bayes点估计

基于共轭型先验分布与无信息先验分布，给出了正态与对数正态分布的单边与双边性能可靠性的Ｂａｙｅｓ点估计，并用数值例说明了这些方法。     

几何分布参数的区间估计和统计贴近性研究

给出了几何分布产品全样本场合下参数的近似区间估计,通过Monte-Carlo模拟考察了区间估计的精度,并与Bootstrap置信限作了比较,最后研究了几何分布和离散寿命分布类的统计贴近性。     

置信分布的贝塔分布近似及其在可靠性统计中的应用

在复杂系统可靠性综合评估方法研究中,利用β分布来近似区间[0,1]上的各种概率分布是一种常用的工程方法,并被许多系统可靠性综合评估方法所采用。工程中常用的β分布近似方法有二阶矩法和点估计下限法。为了减少近似误差,本文在文献[1]的基础上,对文献[1]中提出的β分布近似的两点法进行了深入研究,证明了两点法解的存在性和唯一性,并在这一结果的基础上设计出有效的算法。通过模拟计算可以看出,两点法与目前普遍使用的二阶矩法和点估计下限法相比,近似的精确性明显提高,尤其在小子样情形下效果更为显著。     

基于模糊软集合和Bayes的后续备件组合预测方法

针对后续备件需求预测精度低的问题,提出一种基于模糊软集合和贝叶斯的后续备件组合预测方法。首先根据后续备件的消耗规律,分别提出后续备件因果预测模型和时序预测模型;然后选取残差平方和、信息熵和相关系数作为预测效果的评价准则,以两种单项预测方法的预测效果作为先验信息,采用德尔菲法对单项预测方法进行模糊评价,构建模糊软映射;最后综合先验信息与专家模糊评价值,利用贝叶斯方法确定组合权系数求得预测结果。结合算例,对比分析方法的优越性,表明该方法具有较好的合理性和有效性。