关于Bayes序贯检验的一些思考

本文对工程实践中小样本情况下的Bayes序贯检验方法作了回顾,思考了其中的一些问题。文中给出了Bayes截尾序贯概率比检验方案和犯两类错误概率的上界。在Bayes序贯检验方案中,确定了平均试验数(ASN)。关于Bayes序贯检验法的选择,文中讨论了截尾方案在终止试验时的决策域的确定方法,并对验前信息、风险以及试验数的关系作了一般讨论。     

基于不确定性测度与支持度的测试性验前信息融合方法

针对目前验前信息融合方法存在主观性和单一性的缺陷,引入验前分布的不确定性测度和支持度,提出了基于不确定性测度与支持度相结合的验前信息加权融合方法.首先,利用β分布对测试性验前信息的不确定性进行描述,运用不同的验前信息确定验前分布超参数;然后,引入不确定性测度和支持度作为验前信息加权因子,设计了相应的融合算法;最后利用混合验前分布,结合测试性现场试验数据,计算了Bayes融合评估的验后结果.该方法不仅考虑了验前分布本身对测试性参数的真实情况描述的接近程度,还考虑了不同来源的验前信息之间的支持程度.实例分析表明,在同一置信水平下,基于该方法的测试性评估置信下限相对于传统方法的测试性评估置信下限大约提高了0.7%.      

基于Bayes网络的多源信息融合方法在精度评定中的应用

提出了一种基于多源验前信息融合的Bayes精度评定方法。利用Bayes网络进行多源验前信息融合时,能够结合现场试验数据,对信息加权因子做出较为合理的推断。根据验前及验后数据,通过Bayes网络中的MC—MC方法可以快速地获取各变量的验后统计特性,达到估计现场试验精度的目的。因此,基于多源验前信息融合的Bayes方法可用于解决小样本下的精度评定问题,仿真结果表明了该方法的有效性。     

可靠性增长下的Bayes序贯检验方法

针对可靠性增长下的序贯检验分析问题,提出了一种变总体Bayes序贯检验方法.该方法依据产品研制过程中产生的多状态试验数据,利用离散AMSAA(Army Material Systems Analysis Activity)可靠性增长模型对产品可靠性的变化规律进行描述,给出了变总体试验数据似然函数的表达式,并对变总体Bayes序贯检验的后验概率比和决策阈值进行了定义,进而构建了可靠性增长下的Bayes序贯检验模型.研究结果表明,提出的方法有效地解决了具有可靠性增长的可靠性指标的假设检验问题.      

自然指数分布族之下的Bayes—经验Bayes估计与检测及其在飞行器试验结果分析中的应用

本文论述自然指数分布族场合下的参数估计与检验问题。文中运用经验Bayes方法,引入关于指数分布族为正交的函数列,先确定参数的验前分布,然后给出参数的Bayes估计。特别是对非共轭验前分布,可以获得逼近解。本文研究了参数检测的经验Bayes序贯验后加权检验方法,最后讨论了在飞行器试验结果分析中的应用。     

基于Bayes理论的小子样维修性验证方法研究

针对现有经典维修性指标验证方法的不足,提出了一种小子样的维修性验证方法,即采用Bayes理论对维修性指标进行验证.给出了应用该方法的一般步骤,探讨了维修时间总体分布的确定方法,采用随机加权法对验前分布进行确定并利用ML - Ⅱ方法实现了多源信息的融合;进一步分析推导了基于Bayes理论的维修性验证方法的检验判据和样本量的大小.最后通过实例分析表明,该方法通过综合利用各种验前信息,可以有效地降低现场试验样本量,节省试验投入,缩短试验周期,且能保证较高的可信度.     

多元正态总体分布参数的Bayes序贯验后加权检验及估计

本文讨论了多元正态总体均值向量μ和协方差阵Σ的Bayes序贯验后加权检验及截尾序贯检验。同时，以序贯检验的停时作为Bayes序贯估计的终止试验时间，给出μ和Σ的递推估计方法。本文对于武器装备在试验场地的性能参数鉴定和评估具有实用意义。     

可靠性鉴定中利用验前信息的序贯验后加权方法

本文运用Bayes序贯验后加权检验方法研究可靠性的鉴定方案。讨论了成败和指数寿命型两种模型。同时构成了序贯截尾鉴定方案,给出了犯两类错误的概率上界的计算方法。对工程应用中的一些问题提出了处置方法。     

考虑先验信息可信度的后验加权Bayes估计

 先验信息失真及先验样本数量过大会扭曲小子样条件下Bayes融合评估的效果,引入可信度可以改善这个问题。现有的可信度度量方法大都直接基于数据层,即通过判断两种样本是否属于同一分布,这种度量在小子样情况下不太可信,为此提出了一种基于数据物理来源的可信度度量方法。同时归纳了可信度融合评估的准则,分析了现有可信度融合评估方法的不足,并结合正态分布的参数估计问题,给出了一种考虑先验信息可信度的后验加权Bayes估计方法。理论分析和算例都证实了该方法优于常用的Bayes估计方法。     

基于Bayes变动统计理论的测试性外场统计验证方法

针对故障检测/隔离数据为"小子样"情况导致的测试性外场统计验证存在的周期长、验证结论置信度低等问题,研究并提出了基于Bayes变动统计理论的的测试性外场统计验证模型和方法。首先建立了不同寿命周期阶段故障检测率(FDR)的序化关系模型;然后以Dirichlet分布为先验分布,利用不同寿命周期阶段故障检测率先验估计值确定Dirichlet分布参数;在此基础上,融合"小子样、异总体"研制阶段增长试验数据和"小子样"外场使用数据,研究并提出了故障检测率的Bayes综合评估模型;引入Gibbs抽样方法求解故障检测率Bayes综合评估模型的复杂高维后验积分;最后在某机载稳定跟踪平台上开展了应用研究。结果表明本文方法能在较短的外场使用周期内,给出较高置信度的外场验证结论,为大型高可靠性装备测试性外场统计验证研究提供了重要的理论依据。     

基于序贯回归的小样本测试性验证试验方案

针对现有测试性验证试验方案难以实现较小样本量下满足置信水平要求的测试性评估问题,提出了基于序贯回归的小样本测试性验证试验方案。提出并证明了成败型试验序贯样本回归可行性假设;对序贯样本进行回归分析,实现了小样本下的测试性评估;建立了评估优化方案,实现了满足置信水平要求的测试性评估。实例验证表明:该方法可同时适用于有双方风险要求和置信水平要求的场合,且完所需样本量明显减少,在案例中平均减少了22.3%,最大减少了85%。      

Testability evaluation using prior information of multiple sources

Testability plays an important role in improving the readiness and decreasing the lifecycle cost of equipment. Testability demonstration and evaluation is of significance in measuring such testability indexes as fault detection rate（FDR） and fault isolation rate（FIR）, which is useful to the producer in mastering the testability level and improving the testability design, and helpful to the consumer in making purchase decisions. Aiming at the problems with a small sample of testability demonstration test data（TDTD） such as low evaluation confidence and inaccurate result, a testability evaluation method is proposed based on the prior information of multiple sources and Bayes theory. Firstly, the types of prior information are analyzed. The maximum entropy method is applied to the prior information with the mean and interval estimate forms on the testability index to obtain the parameters of prior probability density function（PDF）, and the empirical Bayesian method is used to get the parameters for the prior information with a success-fail form. Then, a parametrical data consistency check method is used to check the compatibility between all the sources of prior information and TDTD. For the prior information to pass the check, the prior credibility is calculated. A mixed prior distribution is formed based on the prior PDFs and the corresponding credibility. The Bayesian posterior distribution model is acquired with the mixed prior distribution and TDTD, based on which the point and interval estimates are calculated.Finally, examples of a flying control system are used to verify the proposed method. The results show that the proposed method is feasible and effective.     

基于仿真数据的测试性验证序贯设计方案

针对当前测试性验证试验设计方案均存在确定的故障样本量较大以及验证周期长的问题,提出了一种基于仿真数据的测试性验证序贯设计方案。首先,基于二项分布模型确定序贯设计的判决阈值;然后,在序贯试验下基于给定的样本量分配和故障模式选取方法,采用仿真的方式生成相应的故障模式并进行验证试验。同时,以序贯方式计算相应的概率比,通过其取值动态判定接受/拒收。结果表明,与传统方法相比,该方法与经典验证方法具备几乎相同的抽样特性,能达到有效减少测试性验证试验所需故障样本量的目的。     

小子样复杂装备系统测试性评估中的验前参数值确定方法

针对当前小子样测试性评估中对验前信息处理不规范、结果可信度差的问题,研究了由专家经验信息、子系统试验信息和虚拟仿真信息确定系统测试性验前参数值的方法.根据不同来源的测试性验前信息,分别提出了模糊不确定性加权、分系统数据折合和基于相似度量的Dempster-Shafer(D-S)证据融合方法估计系统测试性验前参数值.实例分析表明:该方法计算测试性评估中的验前参数值比其他文献方法的计算结果低约0.8%.     

成败型产品基于验后概率的Bayes序贯检验技术

分析了基于损失的Bayes检验方法和基于风险的SPOT(sequential posterior odd test)方法存在的不足.对装备试验与评价中成败型产品的Bayes序贯检验,在给定的两类风险要求下,建立了基于验后概率的Bayes序贯检验模型(PBSTM),给出了模型的求解算法和实际验后风险的计算公式. 最后结合装备可靠性分析案例,进行了示例分析,从数据上证明了PBSTM模型优越性和有效性.研究结果表明:PBSTM模型从理论上保证了序贯检验的结论同时满足小概率事件原理和两类风险要求,避免了现有假设检验方法存在的不足.      

基于研制信息的测试性验证试验方案研究

针对现有测试性验证试验方案需要较大故障样本量的问题,提出了一种利用研制信息制定测试性验证试验方案的新方法。首先,在二项分布经典抽样模型的基础上,运用证据理论方法,研究了基于测试性试验数据、测试性预计结果和专家经验等研制信息的基本信任分配函数的构造方法,建立了基于融合不同种类研制信息的测试性验证试验方案,并确定了该方案的存在性,给出了方案的确定方法,最后开展了案例应用研究。由于充分考虑了研制信息,因此在确保有较好的验证效果的条件下,与传统的试验方案相比,该方法可以明显减少故障样本量,或在样本量保持不变的情况下有效降低双方风险。     

二项分布中成功概率的贝叶斯序贯检验方法

针对成败型效应实验研究中二项分布未知参数(成功概率)的假设检验问题,在复杂假设条件下,提出了一种基于Bayesian验后概率的序贯检验方法,建立了检验的判别准则,给出了判别准则临界值的计算方法.在给定截尾实验次数的条件下,提出了一种截尾方案,建立了截尾判断方法.最后结合示例,对上述方法的应用过程进行了说明,并和现有方法进行了分析比较.结果表明:在一定先验信息的条件下,该方法给出的检验样本量远小于经典方法确定的检验样本量.      

基于Bayes理论的成败型装备鉴定试验风险分析

为了充分考核成败型装备的性能指标,合理确定鉴定试验统计方案,利用Bayes理论对试验风险进行了重点研究。在选取先验分布为Beta分布的条件下,给出了工程中常用两种风险(平均风险和后验风险)的表达式,并详细解释了两种风险的研究思路和适用范围。在此基础上,从鉴定试验可能出现的结果出发,建立了最大后验风险模型,给出了其相关性质,并对比后验风险、经典统计风险,说明了其保守性和适用性的优点,更能保护使用方的利益。利用数值分析,说明基于最大后验风险确定的试验统计方案符合工程认识,相对经典统计风险,其减少试验总数18%~63%,验证了方法的可行性。同时,通过分析三种风险与先验信息、区间估计的数值关系,对最大后验风险的性质进行了验证,说明其具有较好的推广性。