ⅡRCT 下韦布尔分布参数多变点的贝叶斯估计

何朝兵

doi:10.16579/j.issn.1001.9669.2016.03.017

您当前的位置：

首页 >

文章列表页 >

ⅡRCT 下韦布尔分布参数多变点的贝叶斯估计

优化·可靠性 | 更新时间：2022-09-22

- ⅡRCT 下韦布尔分布参数多变点的贝叶斯估计
- BAYESIAN PARAMETER ESTIMATION OF WEIBULL DISTRIBUTION WITH MULTIPLE CHANGE POINTS FOR RANDOM CENSORING TEST MODEL WITH INCOMPLETE INFORMATION
- 机械强度 2016年38卷第3期页码：522-525
- 作者机构：
  
  1. 安阳师范学院数学与统计学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金(61174099)
- DOI：10.16579/j.issn.1001.9669.2016.03.017
  中图分类号：
扫描看全文
何朝兵. ⅡRCT 下韦布尔分布参数多变点的贝叶斯估计[J]. 机械强度, 2016,38(3):522-525.

HE ChaoBing. BAYESIAN PARAMETER ESTIMATION OF WEIBULL DISTRIBUTION WITH MULTIPLE CHANGE POINTS FOR RANDOM CENSORING TEST MODEL WITH INCOMPLETE INFORMATION[J]. 2016,38(3):522-525.
何朝兵. ⅡRCT 下韦布尔分布参数多变点的贝叶斯估计[J]. 机械强度, 2016,38(3):522-525. DOI： 10.16579/j.issn.1001.9669.2016.03.017.

HE ChaoBing. BAYESIAN PARAMETER ESTIMATION OF WEIBULL DISTRIBUTION WITH MULTIPLE CHANGE POINTS FOR RANDOM CENSORING TEST MODEL WITH INCOMPLETE INFORMATION[J]. 2016,38(3):522-525. DOI： 10.16579/j.issn.1001.9669.2016.03.017.

摘要

利用逆变换法添加缺损的寿命数据,获得了带有不完全信息随机截尾试验下韦布尔分布的完全数据似然函数。得到了变点位置参数等未知参数的满条件分布。对各参数分别进行Gibbs抽样。把Gibbs样本的均值作为参数的贝叶斯估计。给出了MCMC方法的具体步骤。随机模拟的结果表明估计的精度较高,效果较好。

Abstract

The complete-data likelihood function of Weibull distribution with multiple change points for IIRCT is obtained by filling in missing life data using inverse transformation method. The full conditional distributions of change-point positions and other unknown parameters are obtained. Every parameter is sampled by Gibbs sampler. and the means of Gibbs samples are taken as Bayesian estimations of the parameters. The concrete steps of MCMC methods are given. The random simulation results show that the estimations are fairly accurate and the effect is good.

关键词

完全数据似然函数满条件分布MCMC方法Gibbs抽样Metropolis-Hastings算法

Keywords

Complete-data likelihood functionFull conditional distributionMCMC methodGibbs samplingMetropolis-Hastings algorithm

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据