简介
本书用数理统计中的经典方法、 Bayes方法、多层Bayes方法、修正Bayes估计法,给出了可靠性参数估计。
目录
第一章 引论
1.1 选题的意义
1.2 文献综述
1.3 本书的主要创新点
1.4 基本函数和常见的寿命分布
1.5 本书结构示意图
第二章 无失效数据情形λ的估计
2.1 可靠性参数的经典置信限
2.2 λ的经典置信上限和Bayes可信上限
2.3 先验分布的构造——Bayes估计
2.4 多层先验分布的构造——多层Bayes估计
2.5 E Bayes估计(Ⅰ)
2.6 E Bayes估计(Ⅱ)
2.7 M Bayes可信限
第三章 无失效数据情形Pi的估计
3.1 先验分布的构造——减函数法及其应用
3.2 多层先验分布的构造——减函数法及其应用
3.3 E Bayes估计
第四章 无失效数据情形分布参数的估计
4.1 指数分布中分布参数的最小二乘估计
4.2 双参数指数分布中分布参数的修正极大似然估计
4.3 双参数指数分布中分布参数的最小二乘估计
4.4 对数正态分布中分布参数的最小二乘估计
4.5 Weibull分布和正态分布的例子
第五章 可靠性参数的加权综合估计
5.1 λ的加权综合估计
5.2 由pi的估计求λ的加权综合估计
5.3 由pi的估计求其它分布参数的加权综合估计
第六章 分布未知时可靠度的估计
6.1 R的经典置下限
6.2 R的Bayes估计和Bayes可信下限
6.3 先验分布的构造——增函数及其应用
6.4 多层先验分布的构造——增函数法及其应用
6.5 E Bayes估计
研究总结
参考文献
后记
1.1 选题的意义
1.2 文献综述
1.3 本书的主要创新点
1.4 基本函数和常见的寿命分布
1.5 本书结构示意图
第二章 无失效数据情形λ的估计
2.1 可靠性参数的经典置信限
2.2 λ的经典置信上限和Bayes可信上限
2.3 先验分布的构造——Bayes估计
2.4 多层先验分布的构造——多层Bayes估计
2.5 E Bayes估计(Ⅰ)
2.6 E Bayes估计(Ⅱ)
2.7 M Bayes可信限
第三章 无失效数据情形Pi的估计
3.1 先验分布的构造——减函数法及其应用
3.2 多层先验分布的构造——减函数法及其应用
3.3 E Bayes估计
第四章 无失效数据情形分布参数的估计
4.1 指数分布中分布参数的最小二乘估计
4.2 双参数指数分布中分布参数的修正极大似然估计
4.3 双参数指数分布中分布参数的最小二乘估计
4.4 对数正态分布中分布参数的最小二乘估计
4.5 Weibull分布和正态分布的例子
第五章 可靠性参数的加权综合估计
5.1 λ的加权综合估计
5.2 由pi的估计求λ的加权综合估计
5.3 由pi的估计求其它分布参数的加权综合估计
第六章 分布未知时可靠度的估计
6.1 R的经典置下限
6.2 R的Bayes估计和Bayes可信下限
6.3 先验分布的构造——增函数及其应用
6.4 多层先验分布的构造——增函数法及其应用
6.5 E Bayes估计
研究总结
参考文献
后记
基于无失效数据的可靠性参数估计
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ:4006604884
云图客服:
用户发送的提问,这种方式就需要有位在线客服来回答用户的问题,这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
