基于无失效数据的可靠性评价

在可靠性试验中,常会得到各种截尾数据.在定时截尾可靠性试验中,有时会遇到无失效数据(或称为"零失效数据"),特别是在高可靠性、小样本问题中,更容易产生无失效数据.     

EM算法在删失数据分布和混合分布参数估计中的应用

EM算法是一种迭代算法,主要采用后验分布的众数或极大似然估计,广泛的应用于删失数据,截尾数据,成群数据,带有讨厌参数的数据等。文章介绍EM算法,并对删失数据的对数正态分布参数估计和混合正态分布参数的极大似然估计进行了模拟,模拟结果表明对删失数据分布的参数估计和复杂的极大似然估计,EM算法是有效的,估值精度满足要求。     

一种混合正态分布的新估计法:TU算法

针对EM算法在估计混合正态分布参数时使用不完全信息的总样本所得到的参数估计误差较大的问题,提出一种新的估计方法——TU截断改进算法。该算法根据正态分布的特点,运用部分拥有完全信息的样本将混合正态分布中的分布参数逐一估计出来。这一算法一方面克服了EM算法运用于混合分布的缺陷,另一方面改进了使用截尾数据的参数估计。仿真结果表明,TU算法比EM算法估计更精确。     

设备可靠性的贝叶斯估计

某设备的寿命服从Weibull分布,在考核试验中按规程要求,对20件样品进行定时截尾寿命试验,到截尾时间未发生一套失效,根据试验需要和厂方要求延长了试验时间,虽对部分设备一再延长试验时间,但仍然无一套失效,其截尾时间τi的套数,也就是,在τi时刻还没有失效的套数,表1所示的数据我们称之为无失效数据,常用(τi,ni),i=1,2,…,k表示,其中τ1＜τ2＜…＜τko     

指数-威布尔分布参数贝叶斯估计的混合Gibbs算法

文章利用混合Gibbs算法分别在分组数据和定数截尾场合给出了指数-威布尔分布参数的贝叶斯估计,并进行了Monte-Carlo模拟.结果表明:在两种不完全数据场合,用混合Gibbs算法求指数-威布尔分布参数的贝叶斯估计,结果令人满意,该算法可行、稳定且精度高.     

EM算法下人民币汇率收益率的分布特性

文章以汇改以来的日收益率数据为样本资料,提出混合高斯分布为其分布类型假设,并采用EM迭代算法对其参数进行估计。结果显示,相比于单一概率分布模型,采用3个高斯分布的混合模型几乎能准确拟合汇率收益率的分布规律,同时能通过EM算法求解该混合分布的参数估计。     

定时截尾下具有缺失数据的两个几何总体参数的估计

文章利用极大似然估计方法,研究定时截尾下具有部分缺失数据的两个几何总体的参数估计问题,以及两几何总体参数相等的假设检验问题,证明了估计的强相合性以及渐进正态性,给出了检验两总体参数相等的检验统计量以及检验统计量的极限分布。     

基于EM算法的有限维混合分布参数估计研究

文章探讨有限维混合分布参数估计的EM算法,总结出有限维混合分布参数估计的EM算法期望、方差迭代表示.跳过繁琐的推导过程,快速得出混合高斯分布、混合指数分布参数估计的EM算法,并将其用于M2供应量同比增长分布和大变动时间间隔分布建模中.结果表明:采用三维混合高斯分布描述M2供应量同比增长分布、采用单一指数分布刻画M2供应量大变动时间间隔分布是合理的.     

缺失数据多重插补处理方法的算法实现

文章在简要介绍EM算法的基础上,对MCMC算法,特别是DA算法实现缺失数据补全做了深入探讨,介绍了DA算法迭代模拟过程,并对DA算法与EM算法进行了比较。     

变环境情形下对数正态分布分组数据的参数估计

文章研究了变环境情形下对数正态分布分组数据可靠性估计的参数估计问题.给出了一种基于EM算法的变环境分组数据Log-normal分布参数估计方法,其估计量具有良好的收敛性,模拟结果表明了这种方法的实践可操作性.     

一种新寿命分布的参数估计及其应用

Chen(2000)提出了一种新的两参数寿命分布,这个分布有递增或浴盆型失效率函数,并基于Ⅱ型截尾样本给出了分布参数的区间估计.文章对这种两参数寿命分布在一个参数已知时,基于Ⅰ型截尾样本并借助Han(2011)给出的失效概率的E-Bayes估计给出了另一个参数的最小二乘估计和加权最小二乘估计,进而得到了失效率函数和可靠度的估计.最后,结合发动机的实际问题进行了计算,结果表明方法可行且便于工程应用.     

如何应用EM算法处理调研中的无回答问题

在市场调研中,由于无回答情况所造成数据的缺失,给调查结果的估计带来一定困难。文章将通过对EM算法的介绍,讨论如何应用EM算法来解决调研中的无回答问题,并通过具体实例演示其操作过程。     

R-L模型的统计过程控制

化工等许多生产过程,观测值与输入状态水平之间满足两扰动成份模型。文章首先利用EM算法得到模型参数的极大似然估计,然后对生产过程利用可适应性指数加权(AEWMA)滑动平均进行质量控制。当输入状态水平恒定时,过程输出值彼此独立同分布,单个EWMA不可能同时对监控数据的大小偏移作出灵敏反应。该文采用的一种AEWMA可以很好地处理这一问题。在输入状态水平发生改变时,过程输出值存在自相关性,该文利用另一种AEWMA对动态迁移过程的监控数据进行预报,然后对预报误差进行监控,从而很好地解决了迁移过程中的监控问题。     

基于左截断右删失数据的指数分布参数估计

指数分布在生存分析中有着极其重要的应用.文章基于EM算法研究左截断右删失数据下指数分布的参数估计,通过建立似然函数推导出参数迭代表达式,并进行随机模拟试验和实证分析.结果表明EM算法迭代4次后即可收敛,收敛速度很快且估计值较稳定.     

基于EM算法的对数正态分布参数估计

生存数据分析的统计方法在很多领域有重要应用,然而生存分析中的观测数据常常出现删失。本文基于EM算法给出随机删失数据下对数正态分布的参数估计迭代算法。实验表明所给算法是容易施行并且行之有效的。     

基于EM算法的知情交易概率估计

知情交易在金融市场微观结构中扮演了重要角色,而估计知情交易概率的传统方法仍存在一些不可克服的障碍。通过借鉴EM算法的思路并重新设计EKOP模型中参数的估计方法,对模拟数据和市场交易数据进行估算的结果表明,基于EM算法的知情交易概率估计相比以往对似然函数因子化的处理方式,在避免数值溢出和估算效率两方面都有明显改善,这为正确认识市场内部的知情交易水平提供了有力工具。     

基于车流速度的混合Gaussian分布模型

为了更好的描述城市道路车流运行状态,文章利用x2检验、核密度估计、Gaussian分布和EM算法,提出了基于交通流速度的混合Gaussian分布模型.利用x2检验验证了不同车道占用对道路通行影响程度存在显著差异;对混合模型速度数据,采用核密度方法估计独立子Gaussian分布数目,并利用所建模型描述不同车道占用引起的车流速度变化差异;最后利用该模型进行了城市道路混合车型识别.实践表明,混合Gaussian分布模型在拟合数据与展现车流状态方面具有良好效果,为道路设计与交通组织管理提供了一定的理论依据.     

利用样本分位数求逆威布尔分布参数的渐近估计

文章利用逆威布尔分布的若干个样本分住数,建立线性回归模型,由获得的逆威布尔分布参数的广义最小二乘估计的渐近正态性,得到数据缺失、分组数据、截尾样本场合逆威布尔参数的渐近估计。在样本足够大的情况下,该方法简单有效。     

利用M-H算法求解Logistic回归模型参数的贝叶斯估计

文章以航天飞机在不同温度下发射密封圈的失效数据为例,采用随机游动与变量变换M-H算法获得Logistic回归模型参数的后验分布样本并进行贝叶斯分析.同时,进行蒙特卡洛模拟,通过样本轨迹图、直方图、自相关系数图等考查M-H算法的抽样表现,并讨论每种抽样方法的优缺点与提高措施.结果表明:先验分布的选取直接影响贝叶斯估计效果,有先验信息的M-H算法估计的标准差比无先验信息的M-H算法要精确,但随着样本容量增大,趋势在减少,适当的建议分布与变量变换可大大提高M-H算法的抽样效率.     

正态方差混合分布新息GARCH模型的EM估计

近来,人们对实际数据使用厚尾分布进行建模颇感兴趣。一种流行的考虑就是所谓的广义自回归条件异方差(GARCH)模型。不幸的是,在一些应用中正态新息的GARCH模型的尾部不够厚。文章提出新息为正态方差混合分布的GARCH模型并给出了使用EM算法对模型参数作估计的步骤。结果表明,新息为正态方差混合新息分布的GARCH模型比正态新息的GARCH模型有更厚的尾部,因而更能捕捉实际数据中的厚尾特征。文章还以上证指数为例阐述了这一结论。