自助法在小样本数据均值估计中的应用

自助法（Bootstrap）是较好的处理小样本数据的方法,其无先验性及计算过程中只需要实际观测数据的优越性,使其广泛地应用于小样本数据处理。针对方法自身存在的缺陷,文章比较了目前自助法常用的两种抽样方式的优劣性,并采用改进的样本经验分布函数来解决这个问题,通过对均值的估计证实了方法的有效性。     

用自助法估计外弹道测量数据随机误差分布特性

针对外弹道测量数据的有限性使随机误差的分布估计不够准确的问题,提出了基于Bootstrap（自助）方法的外弹道测量数据随机误差分布特性估计。首先对测量数据采用样条分频技术得到随机误差的初步估计,然后采用三次多项式拟合修正样本经验分布函数,替换传统Bootstrap方法中经验分布函数,得到随机误差的Bootstrap样本,计算Bootstrap样本的统计量,从而得到精度较高的外弹道测量数据随机误差模型。从仿真数据验证结果来看,解决了传统Bootstrap方法仿真随机样本相对比较集中的问题。     

退化量有缺失的无失效小样本轴承可靠性评估

针对有试验性能退化量参数记录、且(或)有部分数据缺失情况的小样本无失效轴承试验问题,通过由Taylor和Thompson提出的数据模拟法实现补全样本退化量,结合Bootstrap自助法扩大样本量,再根据基于性能退化轨迹的补充信息方法来进行其可靠性评估。选取7组受试轴承的振动退化量,对比在完整数据和带有缺失数据情况下的分析结果,发现可合理利用原舍弃不合规试验的部分有效信息,使之增加可靠性评估的样本数,从而得到较不用这些数据更为准确的结果,且所得结果较用完整数据结果绝对值相差在01以内。对比由极大似然估计法和加权E-Bayes法分析试验寿命数据的结果,发现该方法所得评估结果更优,与试验实际相比误差在10%以内,对于提高评估精度及降低试验成本有积极的实际意义。     

小子样疲劳试验数据的特征寿命估算方法评估

疲劳试验数据一般属小子样范畴,在Weibull寿命分布的假设下应考虑特征寿命的统计置信度.总结特征寿命概率估计的贝叶斯法和虚拟增广样本的Bootstrap法,通过2024-T3直耳片的七组疲劳试验数据对二者进行对比和评估.针对EDF拟合检验法无法对特征寿命估计值的合理性提供实质性指导的问题,提出一种新的试验样本数据全部落入寿命分布（1-a）双侧百分位区间的判定方法.结果表明：Bootstrap法的特征寿命估计值比贝叶斯法偏大;本文提出的判定方法可有效定性判断特征寿命估计值偏大或偏小.     

自助法中若干问题研究及其在命中精度评估中的应用

在小样本的试验评估中,自助法是一种较优的小子样方法。本文在简要阐述自助法的基础上,深入分析了自助法应用中存在的若干问题,如再抽样样本的获取方式、再抽样样本量、各样本数据容量和适用范围,并给出了自助法的实施步骤,最后比较了自助法和落入概率点小样本方法在命中精度评估中的应用效果,指出了自助法的优点。     

小样本下分位数函数的Bootstrap置信区间估计

航空产品试验一般为小样本试验,为了分析小样本情况下的试验数据,结合以概率加权矩为约束条件的最大熵法和求解置信区间及置信带的Bootstrap方法,提出了一种估计小样本试验件母体分位数函数置信区间的方法。最大熵法在矩约束下能够估计样本的密度函数,而以概率加权矩为约束条件的最大熵法能够针对小样本直接给出分位数的无偏估计,无需由密度函数积分得到累积分布函数,再进行转化得到分位数函数。Bootstrap方法求解置信区间具有不依赖于数据分布的优点,具有广泛的应用范围。     

小子样疲劳寿命分散系数置信区间随应力的变化规律研究

针对疲劳寿命样本小子样统计分析问题,采用Bootstrap方法模拟母体标准差的抽样分布,并结合纠偏的百分位法估算母体标准差的置信区间,着重估计了疲劳分散系数的置信区间。首先利用Bootstrap方法在参数区间估计方面的优越性能,对已知疲劳寿命母体分布的模拟试验数据进行了疲劳分散系数置信区间的估计,通过与真值的对照分析,验证了结合纠偏百分位思想的Bootstrap方法进行疲劳分散系数区间估计的可信性。然后利用此方法对航空材料的140个钢合金试件和295个铝合金试件的真实疲劳寿命试验数据进行了疲劳寿命分散系数的区间估计,并研究了疲劳分散系数置信区间随疲劳试验应力的变化规律,为在工程实际中分析疲劳寿命试验数据提供了参考方法。     

小样本无失效寿命试验数据的轴承可靠性评估

针对小样本无失效寿命试验数据可靠性问题提出了评估模型。模型采用Bayes理论构造服从原始样本的抽样函数,结合Bootstrap法生成大量服从抽样函数的随机数作为增广样本,再通过最佳线性不变估计法分析原始样本及增广样本得到Weibull分布双参数估计值作为可靠性评估结果。通过Monte-Carlo法仿真生成服从Weibull分布的随机数,分别采用该模型、配分布曲线法及现有Bayes理论对此随机数做评估,对比发现:该模型得到的参数估计较现有Bayes理论和配分布曲线法更接近Weibull双参数真值,且形状参数和尺度参数估计值的相对误差均低于10%,验证了模型分析小样本无失效数据进行可靠性评估的可行性。借助文献实例对模型进行分析,对比得出模型能得到较现有Bayes理论和配分布曲线法更符合工程实际的评估结果;模型在小样本情况下的双侧可靠度置信区间长度低于现有Bayes理论和配分布曲线法,有效提高了小样本无失效数据可靠性评估精度。      

导弹精度评估的非参数Bootstrap方法

基于目前导弹试验的实际状况，讨论了小子样情况下精度指标的置信区间估计的非参数Bootstrap方法。介绍了Bootstrap方法的基本概念，综合比较了非参数Bootstrap抽样和参数Bootstrap抽样的特点，对基于传统百分位法的改进区间估计方法进行了简要说明，包括迭代Bootstrap方法、Bootstrap-t方法及纠偏百分位方法；最后，通过大量仿真计算初步分析了各种非参数Bootstrap区间估计方法的性能和适用范围，并给出了若干建议。     

Bootstrap方法的几点思考

通过对自助统计量统计特性的分析，对Bootstrap方法的应用进行了研究。指出在应用Bootstrap方法时，尤其在小子样条件下应注意的几个问题。     

极小子样试验的半经验评估方法

阐明了Bootstrap方法适用于子样数n≥5而不适用于子样数为n=1,2的情形,对于n=1,2的极小子样,给出了一种半经验评估方法,并提出了把n=1虚拟增广至n=5的半经验虚拟增广子样法与Bootstrap再抽样法相结合的极小子样评估方法,阐明了所提方法的立论依据与推导过程,给出算例并做了有益的讨论。     

小子样场合下估算母体百分位值置信下限和可靠度置信下限的Bootstrap方法

将Bootstrap方法引入到小子样场合下母体百分位值置信下限的计算中,并与传统的单侧容限系数法和新单侧容限系数法进行了大量的对比计算,算例表明Bootstrap方法明显优于其他两种方法,在较高可靠度和置信度要求下母体百分位值置信下限不会出现负值的情况,而且计算得到的结果更接近真值。发展了一种半参数Bootstrap方法用于计算可靠度的置信下限,模拟计算表明半参数Bootstrap方法很好地克服了置信度较高时,新旧单侧容限系数计算出的可靠度置信下限过低的局限性,而且半参数Bootstrap方法的计算结果均有较高的精度。     

指数信号模型中参数的稳健估计

 给出了阻尼指数信号模型中参数的M 估计和Bootstrap M 估计; 基于Prony 方法给出估计的重新定义和新算法; 并且在较弱的条件下证明了这些估计的相容性; 最后利用Huber 函数给出了两种估计的模拟结果, 结果表明这两种估计的稳健性和精度都比传统的最小二乘估计好。     

基于Bootstrap滤波的单站无源定位算法

针对非线性测量下的被动定位问题,建立了只测角定位模型。讨论了一种基于贝叶斯理论的 Bootstrap 滤波算法,并将该算法与扩展卡尔曼滤波算法进行了比较,仿真结果表明Bootstrap 滤波算法定位精度更高,抗噪声性能更强。