可靠性参数的修正bayes估计法及其应用PDF电子书下载

1 绪论 1

1.1　Bayes方法的研究与应用 1

1.2　参数的修正Bayes估计法概述 3

1.3　参数的E-Bayes估计法 4

1.3.1 一个超参数情形 4

1.3.2 两个超参数情形 5

1.4　参数的M-Bayes可信限法 5

1.4.1 单侧M-Bayes可信限 5

1.4.2 双侧M-Bayes可信限 7

1.5　基本函数和常见的寿命分布 8

1.5.1 基本函数 8

1.5.2 常见的寿命分布 9

1.6　本书的结构示意图 10

2　λ的估计 11

2.1　λ的E-Bayes估计——一个超参数情形Ⅰ 11

2.1.1　λ的E-Bayes估计的定义 11

2.1.2　λ的E-Bayes估计 12

2.1.3 λ的多层Bayes估计 14

2.1.4 E-Bayes估计的性质 17

2.1.5 应用实例 22

2.2　λ的E-Bayes估计——一个超参数情形Ⅱ 25

2.2.1　λ的E-Bayes估计的定义 25

2.2.2　λ的E-Bayes估计 26

2.2.3　λ的多层Bayes估计 28

2.2.4 E-Bayes估计的性质 30

2.2.5 应用实例 34

2.3　λ的E-Bayes估计——两个超参数情形 36

2.3.1 λ的E-Bayes估计的定义 36

2.3.2 λ的E-Bayes估计 37

2.3.3　λ的多层Bayes估计 39

2.3.4 E-Bayes估计的性质 42

2.3.5　模拟算例 45

2.3.6 应用实例 47

2.4　λ的单侧M-Bayes可信限Ⅰ 49

2.4.1 λ的单侧M-Bayes可信上限的定义 50

2.4.2 λ的单侧M-Bayes可信上限的估计 50

2.4.3 单侧M-Bayes可信限的性质 52

2.4.4 应用实例 56

2.5 λ的单侧M-Bayes可信限Ⅱ 59

2.5.1 λ的单侧M-Bayes可信限的定义 59

2.5.2 λ的单侧M-Bayes可信限的估计 61

2.5.3 单侧M-Bayes可信限的性质 63

2.5.4 应用实例 66

2.6 λ的双侧M-Bayes可信限 70

2.6.1 λ的双侧M-Bayes可信限的定义 70

2.6.2 λ的双侧M-Bayes可信限的估计 72

2.6.3 双侧M-Bayes可信限的性质 75

2.6.4 应用实例 79

3 pi的估计 83

3.1 pi的E-Bayes估计——一个超参数情形Ⅰ 83

3.1.1 pi的E-Bayes估计的定义 83

3.1.2 pi的E-Bayes估计 84

3.1.3 pi的多层Bayes估计 86

3.1.4 pi的E-Bayes估计的性质 87

3.1.5 模拟算例 92

3.2 pi的E-Bayes估计——一个超参数情形Ⅱ 94

3.2.1 pi的E-Bayes估计的定义 94

3.2.2 pi的E-Bayes估计 95

3.2.3　pi的多层Bayes估计 96

3.2.4　pi的E-Bayes估计的性质 97

3.2.5 应用实例 100

3.3 pi的E-Bayes估计——一个超参数情形Ⅲ 101

3.3.1 pi的E-Bayes估计 101

3.3.2　pi的多层Bayes估计 103

3.3.3 pi的E-Bayes估计的性质 105

3.3.4 模拟算例 109

3.3.5 应用实例 113

3.4　pi的E-Bayes估计——两个超参数情形 116

3.4.1 pi的E-Bayes估计的定义 116

3.4.2 pi的E-Bayes估计 117

3.4.3 pi的E-Bayes估计的性质 119

3.4.4　模拟算例 122

3.4.5 应用实例 124

3.4.6 pi的多层Bayes估计 125

3.4.7　pi的多层Bayes估计的性质 128

4　R的估计 134

4.1　R的E-Bayes估计——一个超参数情形Ⅰ 134

4.1.1 R的E-Bayes估计的定义 134

4.1.2　R的E-Bayes估计 136

4.1.3　R的多层Bayes估计 137

4.1.4 E-Bayes估计的性质 138

4.1.5 应用实例 142

4.2 R的E-Bayes估计——一个超参数情形Ⅱ 143

4.2.1 R的E-Bayes估计的定义 143

4.2.2 R的E-Bayes估计 144

4.2.3　R的多层Bayes估计 146

4.2.4 E-Bayes估计的性质 147

4.2.5 模拟算例 150

4.3　R的E-Bayes估计——一个超参数情形Ⅲ 152

4.3.1　R的E-Bayes估计的定义 152

4.3.2　R的E-Bayes估计 153

4.3.3　R的多层Bayes估计 155

4.3.4 E-Bayes估计的性质 157

4.3.5 模拟算例 162

4.4　R的E-Bayes估计——两个超参数情形 168

4.4.1 R的E-Bayes估计的定义 168

4.4.2 R的E-Bayes估计 169

4.4.3 E-Bayes估计的性质 170

4.4.4 模拟算例 173

4.4.5 R的多层Bayes估计 175

4.4.6 模拟算例 177

4.5　R的单侧M-Bayes可信限 179

4.5.1 R的单侧M-Bayes可信下限的定义 179

4.5.2　R的单侧M-Bayes可信下限的估计 180

4.5.3 单侧M-Bayes可信限的性质 181

4.5.4 模拟算例 184

4.6　R的双侧M-Bayes可信限 186

4.6.1　R的双侧M-Bayes可信限的定义 186

4.6.2 双侧M-Bayes可信限的估计 187

4.6.3 双侧M-Bayes可信限的性质 190

4.6.4 模拟算例 193

5　分布参数的估计 196

5.1　分布参数的最小二乘估计 196

5.1.1 指数分布中分布参数的最小二乘估计 196

5.1.2 双参数指数分布中分布参数的最小二乘估计 199

5.1.3　对数正态分布中分布参数的最小二乘估计 201

5.1.4　Weibull分布中分布参数的最小二乘估计 204

5.2　位置-尺度参数模型中分布参数的最小二乘估计 206

5.2.1 关于位置-尺度参数模型 206

5.2.2　μ和σ的最小二乘估计 208

5.2.3 应用实例 210

5.3　分布参数的加权综合估计 213

5.3.1 指数分布中分布参数的加权综合估计Ⅰ 213

5.3.2 指数分布中分布参数的加权综合估计Ⅱ 221

5.3.3 由pi的估计求分布参数的加权综合估计 224

研究总结 230

参考文献 232