下载文档原格式
删失截断情形下Weibull分布多变点模型的参数估计
何朝兵
【期刊名称】《《高校应用数学学报A辑》》
【年(卷),期】2015(000)002
【摘要】通过添加缺失的寿命变量数据,得到了删失截断情形下Weibull分布多变点模型的完全数据似然函数,研究了变点位置参数和形状参数以及尺度参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的Bayes估计.详细介绍了MCMC方法的实施步骤.随机模拟试验的结果表明各参数Bayes估计的精度都较高.
【总页数】12页(P127-138)
【作者】何朝兵
【作者单位】安阳师范学院数学与统计学院，河南安阳455000
【正文语种】中文
【中图分类】O213.2; O212.8
【相关文献】
1.两种截断和删失情形下截尾指数分布的参数估计 [J], 陆安
2.两种截断和删失情形下截尾指数分布的参数估计 [J], 陆安
3.删失截断情形下失效率变点模型的B ayes参数估计 [J], 何朝兵
4.删失截断下新冠疫情初期数据多变点Bayes估计 [J], 刘君;罗晓媛
5.截断删失情形下泊松分布参数多变点的Bayes估计 [J], 何朝兵
因版权原因，仅展示原文概要，查看原文内容请购买。
截尾数据整体估计方法
傅惠民;林逢春
【期刊名称】《航空动力学报》
【年(卷),期】2005(20)4
【摘要】提出一种截尾数据整体估计方法。
该方法能够将仿真(或数字化设计)结果与截尾试验数据或不完全数据有机结合,实现多个状态下(多个母体)截尾试验数据或不完全数据的整体推断,从而建立各状态下正态分布、极值分布和Weibull分布等位置-尺度分布族的参数估计量,给出母体百分位值的置信限和置信区间估计。
与传统方法相比,该方法具有信息量大,精度高的特点,能够进行极小子样可靠性评定。
文中还给出一种利用截尾试验数据或不完全数据对仿真结果进行检验的方法。
【总页数】5页(P529-533)
【关键词】航空;航天推进系统;小子样;整体估计;截尾数据;不完全数据;可靠性;仿真;数字化设计
【作者】傅惠民;林逢春
【作者单位】北京航空航天大学固体力学研究所
【正文语种】中文
【中图分类】TB301;O211
【相关文献】
1.分组截尾数据下离散型寿命概率分布的估计方法 [J], 侯超钧;吴东庆;王前;杨志伟
2.分组截尾数据下离散型寿命概率分布的估计方法 [J], 侯超钧;吴东庆;王前;杨志伟
3.定时截尾数据最佳线性无偏估计方法 [J], 傅惠民;岳晓蕊
4.考虑定时截尾数据的数控机床可靠性Bootstrap区间估计方法 [J], 杨兆军;李洪洲;陈传海;李国发;王彦鹍
5.区间数据整体估计方法 [J], 傅惠民;敖亮
因版权原因，仅展示原文概要，查看原文内容请购买。
三参数Weibull分布几种常用的参数估计方法
胡恩平;罗兴柏;刘国庆
【期刊名称】《沈阳理工大学学报》
【年(卷),期】2000(019)003
【摘 要】介绍了三参数Weibull分布几种常用的参数估计方法,并对这些方法的特
点做了分析和比较,以供应用参考.
【总页数】7页(P88-94)
【作 者】胡恩平;罗兴柏;刘国庆
【作者单位】军械工程学院,河北,石家庄,050003;军械工程学院,河北,石家
庄,050003;军械工程学院,河北,石家庄,050003
【正文语种】中 文
【中图分类】TH28
【相关文献】
1.三参数Weibull分布参数估计求法改进 [J], 杨志忠;刘瑞元
2.关于一种三参数Weibull分布的参数估计问题的研究 [J], 杨丽;杨瑞成;王国东
3.数据缺失场合三参数Weibull分布的参数估计 [J], 徐晓岭
4.三参数Weibull分布参数估计的一种新方法 [J], 马开玉
5.分组型数据三参数Weibull分布的参数估计 [J], 徐晓岭;王蓉华;戴正华;王晓琳
因版权原因，仅展示原文概要，查看原文内容请购买
Weibull分布下双应力恒加试验的一种区间估计方法鲍志晖;李玲【摘要】针对Weibull分布场合下双应力恒加试验,在给出参数的点估计及相关定理的前提下,讨论了正常应力水平下形状参数、特征寿命、可靠寿命和加速系数等可靠性指标的一种区间估计方法,并通过例证说明了相对于利用近似正态性的区间估计方法,文中所给出的方法在精度上有所提高.【期刊名称】《池州学院学报》【年(卷),期】2019(033)003【总页数】4页(P9-12)【关键词】Weibull;双应力;恒加试验;区间估计【作者】鲍志晖;李玲【作者单位】黄山学院数学与统计学院,安徽黄山245041;黄山学院数学与统计学院,安徽黄山245041【正文语种】中文【中图分类】O213对Weibull分布场合加速寿命试验的统计分析，大多数文献讨论的均是正常应力水平下可靠性指标的点估计，常采用的方法是极大似然估计（MLE）法[1]和贝叶斯（Bayes）法[2-4]，讨论区间估计的文献较少.在此基础上若对正常应力水平下可靠性指标进行区间估计时，往往利用参数的渐近正态性，从而得到可靠性指标的近似置信区间[1，5].文献[6]针对Weibull分布下单应力恒加试验中的可靠性指标提出了一种较为精确的参数估计方法，即构造某些枢轴量，并利用Monte-Carlo法计算出枢轴量的分位点，从而得到正常应力水平下可靠性指标的置信区间.目前绝大多数文献针对Weibull分布场合恒加试验的统计分析主要讨论单应力的情形，而双应力恒加试验较之单应力恒加试验在加速模型上要复杂不少，因单应力恒加试验中加速模型只有两个参数，而双应力恒加试验中加速模型有四个参数.以下将文献[6]中的方法推广到Weibull分布下双应力恒加试验的场合，同时在相关定理的证明上也给出了较为便捷的方法.1 基本假定A1加速应力S(1)和S(2)的加速应力水平分别为：加速应力水平组合简记(i,j)，正常应力水平组合简记(0,0).A2在lk个加速应力水平组合下各安排一个寿命试验.从一批产品中随机抽取n个样品，分为lk组，在(i,j)下的样品数为nij，有.在(i,j)下对nij个样品进行定数截尾寿命试验，截尾数rij，所得截尾样本为：A3各应力水平组合下的寿命均服从Weibull分布，即Tij～W(mij,ηij) ，其分布函数为：诸mij＞0为形状参数，诸ηij为特征寿命.A4在各应力水平组合下产品的失效机理不变，即：A5特征寿命ηij与两个加速应力水平和间的加速模型为：其中β0,β1,β2,β3为待估参数，φ1,φ2,φ3常为已知函数，上式最后一项为两个应力间的交互作用[7].2 参数的点估计对可靠性指标的区间估计是建立在参数的点估计基础上的，故需先讨论参数的点估计.由 Tij～W(mij,ηij) 可得：Xij=lnTij～G(μij,σij)（极值分布），其分布函数为：其中.以下以BLUE（最佳线性无偏估计）为例进行讨论，GLUE（简单线性无偏估计）可类似讨论.由文献[8]可知，当nij≤25时，μij和σij的BLUE为：其中BLUE系数C(nij,rij,v)，D(nij,rij,v) 及BLUE方差系数Arij,nij，lrij,nij 数值可查文献[9].前述基本假定A4中，各水平组合下mij相等，即相等，由于试验的随机性，所得σ不可ij能完全相等，考虑由lk个求得一个共同σ的估计，从而得m=1的估计.σ在的线性组合中可找到一个σ的最小方差无偏估计如下：两个加速应力水平间的加速模型可改写为：方便起见，记，，由高斯-马尔可夫定理，可得β的BLUE为：设(X'A-1X)-1=C=(Cij)，则且̂可表示成：3 正常应力水平组合下可靠性指标的区间估计对正常应力水平组合(0 ,0)下可靠性指标的区间估计一般地是建立在以作为的近似分布前提下，所得到的是近似的置信区间.以下将文献[6]中的方法推广到Weibull 分布下双应力恒加试验场合.的分布均与参数无关，其中Zijv为容量nij，截尾数rij的取自标准极值分布的样本的第v个次序统计量.3.1 两个定理定理1统计量的分布与参数无关.证明：其分布与参数无关.定理2 统计量的分布与参数无关.证明：令则μ=Xβ又Wβ0的分布与参数无关.同理可证的分布均与参数无关.3.2 m的区间估计据定理1，统计量的分布与参数无关，设其下 p分位数为Vp，利用Monte-Carlo 法计算出Vp.首先用计算机求得大量枢轴量的值，然后用其经验分布的p分位数来估计Vp.由可得σ的1-α置信区间为.由可得σ的1-α单侧置信上限为.因，故可得m的1-α置信区间为：m的1-α单侧置信下限为：3.3 特征寿命的区间估计由加速模型可知：令即W 与同分布.由定理2可知W的分布与参数无关.设其下p分位数为Wp，则可得μ00的1-α置信区间为，1-α单侧置信上限为.从而可得的1-α置信区间为：η00的1-α单侧置信下限为：3.4 可靠寿命的单侧置信下限估计在正常应力水平组合(0 ,0)下可靠度为r的可靠寿命.设令又因为W与V的分布与参数无关，故R的分布亦与参数无关.设R的下p分位数为Rp，则可得Xr的1-α单侧置信下限为由Xr=lntr可得tr的1-α单侧置信下限为：其中.3.5 加速系数的区间估计加速应力水平组合(i,j)对正常应力水平组合(0 ,0)的加速系数为则设令由定理2可知M的分布与参数无关.设M的下 p分位数为Mp，则可得Y的1-α置信区间为，Y的1-α单侧置信下限为.由Y=lnτij～00可得τij～00的1-α 置信区间为τij～00的1-α 单侧置信下限为3.6 例证以温度T和电压V作为两个加速应力作定数截尾恒加试验，寿命服从Weibull分布，应力水平如下：T0=353,T1=373,T2=388,T3=403,T4=415；V0=100,V1=200,V2=300,V3=400在其中6个加速应力水平组合下安排了试验，结果如下：表1 试验数据水平组合样本容量nij截尾数rij失效数据（1,3）1021193.71244.3（2,2）103227.4852.71161.0（2,3）103485.71400.71405.9（3,1）104312.6350.7399.2461.5（3,2）105243.7376.5486.6811.1848.3（4,1）10651.8 148.7478.4590.6845.91111.6表2 中间计算结果水平组合nrl-1σ̂ij ij nij,rij ij（1,3）1021.05390.0394（2,2）1032.17040.8994（2,3）1032.17040.5004（3,1）1043.36090.2967（3,2）1054.64090.5757（4,1）1066.03241.1309得σ的无偏估计，则若以近似正态性来作区间估计，则̂近似服从，其1-α近似置信区间为取α=0.10，可算得σ的90%置信区间为(0.4079,0.9891)进而可得 m的90%置信区间为(1.0110,2.4516).若以上述的来对m作区间估计，通过编制程序，计算了5万个V值，用其经验分布的p分位数来估计Vp.多次运行该程序运行，所估计的Vp差异极小.本例Vp值如下表所示：表3 分位数Vpp0.0050.010.0250.050.100.900.950.9750.990.995Vp0.50210.53890.59850. 65250.71741.29871.39691.48591.59801.6762取α=0.10，可得m的90%置信区间为(0.9341,2.0000).与用近似正态性所得的置信区间相比较，该区间估计的精度有所提高.另再取α=0.05和α=0.01，每个置信度下均采用两种区间估计方法进行计算，结果如表所示：表4 两种区间估计方法结果比较α近似正态性本文方法α=0.10(1.0110,2.4516)(0.9341,2.0000)α=0.05(0.9562,2.8471)(0.8568,2.1273)α=0.01(0.8666,4.1140)(0.7188,2.3997)对比以上两种方法的区间估计结果可知，在同一置信度下，本区间估计方法的精度较之于近似正态性的方法均有提高，且置信度越高，精度上的优势越明显。
威布尔比例风险模型参数估计威布尔比例风险模型是一种经典的生存分析模型，用于研究时间至事件发生的风险。
该模型假设个体生存时间服从威布尔分布，并且该分布的形状参数和尺度参数可以通过参数估计的方法来确定。
威布尔分布的概率密度函数为：f(t) = (a/β) * (t/β)^(a-1) * exp(-(t/β)^a)其中，a是形状参数，β是尺度参数，t是时间变量。
根据威布尔比例风险模型，个体的风险函数可以表示为：h(t) = h0(t) * exp(X * β)其中，h(t)是个体在时间t的风险，h0(t)是基线风险，X是个体的协变量，β是协变量的系数。
参数估计是确定模型中未知参数的过程。
在威布尔比例风险模型中，常使用最大似然估计法来估计参数。
最大似然估计法的基本思想是找到使得观测到的数据发生的概率最大的参数值。
假设我们有n个独立观测的事件发生时间ti和相应的事件指示变量di，其中di=1表示事件发生，di=0表示事件未发生。
我们的目标是估计模型中的参数a和β。
根据最大似然估计法，只需要最大化观测到的事件发生的联合概率密度函数，即：L(a, β) = ∏[f(ti)]^(di) * [1 - F(ti)]^(1-di)其中，f(ti)是威布尔分布的概率密度函数，F(ti)是威布尔分布的累积分布函数。
为了简化计算，通常将目标函数转化为对数似然估计函数，即：ln(L(a, β)) = ∑[di*(ln(a/β) + (a-1)*ln(ti/β) -(ti/β)^a)] + ∑[(1-di)*ln(1 - (ti/β)^a)]为了估计参数a和β，我们需要求解下面的偏导数方程：∂ln(L(a, β))/∂a = 0∂ln(L(a, β))/∂β = 0这样我们可以得到参数的估计值，通常采用数值优化算法来求解。
在实际应用中，由于模型的复杂性和数据的特点，常常需要使用软件包来进行参数估计。
例如，R语言中的survival包提供了威布尔比例风险模型的参数估计函数。
Weibull分布有关参数的近似无偏估计
王炳兴;杨苗苗;陈晓英
【期刊名称】《统计与决策》
【年(卷),期】2007(0)15
【摘要】一、引言 Weibull分布是最常用的寿命分布之一,其分布函数为：F（t）=1-exp（-（t/η）m）,t≥0其中m是形状参数,η是尺度参数,它们均是大于零的未知参数。
【总页数】1页(P131-131)
【关键词】Weibull分布;无偏估计;寿命分布;分布函数
【作者】王炳兴;杨苗苗;陈晓英
【作者单位】浙江工商大学统计与数学学院
【正文语种】中文
【中图分类】O213.2
【相关文献】
1.用三参数Weibull分布分析结构材料和滚动接触元件寿命及疲劳的P-S-N/P-F-L曲线近似法 [J], SHIGEO;SHIMIZU[日];陈晓敏（译）;李文超（校）
2.WEIBULL分布步进应力加速寿命试验损伤失效率模型参数的近似极大似然估计和逆矩估计 [J], 徐晓岭;费鹤良
3.定时截尾的Weibull分布双参数近似估计 [J], 田霆
4.定数截尾缺失数据下Weibull分布的形状参数近似估计 [J], 田霆;刘次华
5.定数截尾缺失数据下Weibull分布的形状参数两种近似估计的比较 [J], 田霆;刘次华
因版权原因，仅展示原文概要，查看原文内容请购买。
逐步增加定数截尾下Weibull分布恒加试验的Bayes估计武东;李琼【摘要】Bayesian analysis of Weibull distribution with progressive Type-II censored sample of the constant stress accelerated life tests under CE model is proposed. Bayesian estimation of the model are obtained using Gibbs sampling. Finally, the Bayesian estimation is demonstrated through simulation example that it is most effective and efficient method.%基于逐步增加定数截尾样本，对累积失效模型(简称CE模型)下， Weibull分布恒定应力加速寿命试验(简称恒加试验)进行了Bayes统计分析，利用Gibbs抽样给出了该模型的Bayes估计。
最后，通过模拟例子表明Bayes估计有效而实用。
【期刊名称】《上海第二工业大学学报》【年(卷),期】2014(000)002【总页数】5页(P146-150)【关键词】逐步增加定数截尾;Weibull分布;恒定应力加速寿命试验;Bayes估计;Gibbs抽样【作者】武东;李琼【作者单位】安徽农业大学理学院，合肥230036;徽商职业学院电子信息系，合肥230022【正文语种】中文【中图分类】O213.2加速寿命试验主要有3种[1-2]:恒定应力加速寿命试验[3-7](简称恒加试验)、步进应力加速寿命试验和序进应力加速寿命试验。
恒加试验相对于其他两种加速寿命试验,有如下优点[2-4]:试验方法简单,对设备要求不高;试验理论比较成熟,试验容易取得成功;试验中获得的信息较多,试验结果较为准确。
