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。     

指数分布单样预测的Bayes方法

对指数分布的单样预测问题用Bayes方法进行了讨论，结果表明，定数截必埋，无信息先验分布的Bayes预测限与经典预测限相同，但两种方法的预测子不一致，对有替换定时截尾，给出了经典方法目前尚未处理的单样预测问题的Bayes预测子与预测限，并用数值例说明了这些方法。     

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。     

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。     

预测分布与可靠性估计

对各种常见的失效分布，给出了它们的Bayes预测分布，据此给出了这些失效分布的可靠性Bayes估计。     

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。     

正态分布与极值分布单样预测的BLUP与SLUP

介绍了求正态分布单样预测的BLUP(最佳线性无偏预测子)的方法,并将其推广到极值分布,讨论了它们的SLUP(简单线性无偏预测子),指出对数正态分布与Weibull分布单样预测存在的问题。     

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。     

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）。     

Weibull与极值分布的l个未来样本的顺序统计量的单边联合预测区间

用基于辅助统计量的条件方法、基于群不变先验的Bayes方法及Fiducial方法,给出了Weibull与极值分布的l个未来样本的顺序统计量的单边联合预测区间,讨论了条件方法给出的该单边联合预测区间的性质与特例,并用数值例进行了说明。     

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。     

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）。     

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。     

构造Bayes与Fiducial预测区间的若干方法

对构造Bayes与Fiducial预测区间的几种方法进行了讨论,并举例比较了它们在使用中的方便程度。     

可靠性评估的一种Bayes方法

介绍了用混合Gamma分布和混合Beta分布作共轭验前分布时,如何由Bayes方法对电子产品的可靠性进行评估。其中继承因子的引入克服了传统Bayes方法只考虑产品的继承性、相似性,而忽略新产品的创新性、不确定性的缺点。同时,通过举例与常用的经典法作比较,看出了这种方法的优越性及合理性。     

液体火箭发动机环境因子的Bayes估计

基于液体火箭发动机的寿命服从威布尔分布的条件,假定天地试验环境下威布尔分布的形状参数不变,运用Bayes方法对weibull分布天地实验条件下的环境因子进行分析,给出了环境因子在平方损失下的Bayes估计,并与极大似然估计法进行比较,通过仿真实例验证了该方法的有效性。     

完全样本时,(对数)正态分布未来样本顺序统计量的Bayesian与Fiducial预测下限

在过去样本为完全样本时,本文给出了共轭型先验与群不变先验下,（对数）正态分布的双样Bayes预测下限与Fiducial预测下限,并指出可信水平为γ时,群不变先验下的Bayes预测下限与Fiducial水平为γ时的Fiducial预测下限,与Fertig＆Mann（1977）给出的置信水平为γ时的Frequentist预测下限在数值上相等。     

复杂系统的Bayes可靠性评估

讨论了复杂系统的Bayes可靠性评估。首先，对各种不同分布类型的单元进行Bayes可靠性分析；其次利用最大熵方法把单元可靠性信息进行综合，得到系统可靠性的验前分布；最后根据Bayes定理，利用系统可靠性试验信息来更新系统可靠性的验前分布得到系统可靠性的验后分布，依据此验后分布对系统可靠性进行评估。仿真算例说明了评估方法的合理性。     

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。