Weibull寿命型产品可靠性定数截尾验证试验方法

以指数分布下的可靠性验证试验方案为基础,通过将Weibull分布转化为指数分布,讨论了定数截尾情况下的Weibull分布可靠性验证试验方案的制定方法,并以某型航天电连接器可靠寿命为指标,制定了寿命验证试验抽样方案．通过对试验方案的模拟评价表明,该方法不仅能正确反映出产品的可靠性水平,而且具有试验效果与投试总数无关、截尾数小等优点。     

指数分布参数基于不完全样本的区间估计

对于不完全样本讨论指数分布总体参数的区间估计问题,利用完全样本中的任意两个顺序统计量构造出区间估计所需的枢轴变量,并讨论了相应的分布函数和密度函数。即使只知道样本观测值中任意的两个顺序统计量值,也可以计算出总体参数的置信区间.在大样本的情况下,给出了枢轴变量的近似分布,可以构造总体参数的大样本近似置信区间。     

一类分布族的最优线性无偏估计

正态分布族、指数分布族、极值分布族等这一类分布族的共同特点是有位置参数 μ和尺度参数σ .这一类分布族的参数估计可用无偏估计 ,一致最小方差无偏估计和最优线性无偏估计 .本文证明了所有这一类二参数分布族的最优线性无偏估计 ,并讨论了二参数指数分布的最优线性无偏估计 .     

同分布条件下局部次指数随机变量和的有界性

记s△为局部次指数分布族,F、G是s△中两个不同的局部次指数分布,Gn＊表示的是G自身的n重卷积,在上述条件下,Asmussen（2003）介绍了Gn＊（x＋△）/F（x＋△）的相关界。本文所研究的是把上式中Gn＊换成Fn＊,考虑在同分布条件下Fn＊（x＋△）/F（x＋△）的相关界,其中Fn＊是分布F自身的n重卷积。     

解舒丝长的特征函数及其应用

在前文已经给出的连续型解舒丝长分布的基础上,给出解舒丝长的特征函数,讨论其应用的问题。并据此考察解舒丝长分布分解为指数分布与正态分布的混合分布问题。     

解舒丝长分布的混合分布型解析

对连续型解舒丝长分布分解为指数分布和正态分布的混合分布型问题进行探讨,根据落绪部位分布和茧丝长分布导出解舒丝长混合分布形式。通过电子计算机模拟试验对理论的结果进行了检验,并就其应用中的混合分布参数推定问题进行了讨论。     

解舒丝长分布的混合分布型解析

对连续型解舒丝长分布分解为指数分布和正态分布的混合分布型问题进行探讨,根据落绪部位分布和茧丝长分布导出解舒丝长混合分布形式。通过电子计算机模拟试验对理论的结果进行了检验,并就其应用中的混合分布参数推定问题进行了讨论。     

指数分布寿命试验Bayes可靠性评估

运用Ｂａｙｅｓ统计推断理论，给出指数分布寿命试验产品可靠性Ｂａｙｅｓ评估方法，得到先验分布为均匀分布、Ｂｅｔａ分布和Ｇａｍｍａ分布可靠性评估结果，并给出一个应用实例。     

解舒丝长的特征函数及其应用

在前文已经给出的连续型解舒丝长分布的基础上 ,给出解舒丝长的特征函数 ,讨论其应用的问题。并据此考察解舒丝长分布分解为指数分布与正态分布的混合分布问题。     

修理时间服从PH分布的两部件可靠性分析

考虑由两不同部件组成的并联系统,假定部件的寿命服从指数分布,部件失效后的修理时间服从PH分布,修复如新.利用马尔可夫过程,研究了系统的如下指标:系统的平稳概率分布、系统的可靠度、可用度以及系统的稳态故障频度;系统的瞬时概率分布和系统首次失效时间分布;修理工的忙期和闲期分布.并证明了系统的首次失效时间服从PH分布,维修设备的忙期也服从PH分布.     

Modeling diameter distribution of the broadleaved-Korean pine mixed forest on Changbai Mountains of China

The broadleaved-Korean pine mixed forest is a native vegetation in the Changbai Mountains, northeast China. The probability density functions including the normal, negative exponential, Weibull and finite mixture distribution, were used to describe the diameter distributions of the species groups and entire forest stand. There is a strong correlation between parameters and mean DBH except the shape parameters in the mixture distribution. The diameter classes of species and entire forest stand showed not negative exponential but normal and "S" distribution. The mixture function was better than normal and Weibull to describe the model distribution. The location parameter had an effect on the estimated frequency in the first diameter class, when the estimated location parameter was bigger than the lower limit of the first diameter class.     

保险损失费若干问题研究(Ⅰ)

旨在获得危险事故保险总损失费的分布密度函数.利用统计学中的有关理论和方法,对保险公司关注的保险总损失费进行了初步研究.首先得到危险事故保险损失费为指数型随机变量;其次在各投保个体损失费为独立同分布于指数分布的随机变量,投保个体数服从泊松分布时,导出了总损失费的分布密度函数.所得结论拓展了文献中的某些结果.     

Capacity of unsignalized intersection with mixed distribution headway

In order to describe the time-headway distribution more precisely in urban traffic network,the mixed distribution model was introduced which has been widely used in mathematical statistics,and a capaci...     

不同选样方法下暴雨频率指数分布曲线的适用性

为了判定指数分布曲线是否适用于选取的样本系列,对不同选样样本系列的概率密度曲线和指数分布曲线之间的相似情况进行了理论分析,并结合实例采用指数分布曲线对不同选样方法下选取的样本系列概率密度直方图进行曲线拟合。结果表明：年最大值法选样从理论上不适宜选用指数分布曲线进行频率分析;年多个样法选取样本系列只有在概率密度曲线呈“捺”形时,才可以考虑采用指数分布曲线,否则不宜采用。     

复杂系统平均寿命的估计和性质

根据已知的基于最小路径或最小割集复杂系统可靠度函数的解析表达式,给出当子系统寿命分布服从指数分布时,系统平均寿命的表达式.利用这一表达形式,在子系统寿命变量服从指数分布条件下,分别就完全数据和截尾数据两种情况,给出了系统平均寿命的估计,并对估计性质进行了研究.并在完全数据下,给出了估计的渐近分布.     

几种特殊类型积分的概率计算方法

考虑到利用牛顿－莱布尼茨公式求解某些类型积分的复杂性和不可行性,利用概率论中指数分布、正态分布和卡方分布的概率密度函数与数字特征,对微积分中三种特殊类型的积分进行了计算,得到了这３种特殊类型积分的计算公式,体现了概率方法在计算某些类型积分时的简便性,进而也从一个侧面体现了概率论与微积分之间的紧密联系。     

k阶Erlang分布的Pearson-χ2距离

研究k阶Erlang分布,给出两个k阶Erlang分布之间的Pearson-χ2距离与Pearson-χ2最大距离的表达式,讨论两个k阶Erlang分布之间的Pearson-χ2距离与Pearson-χ2最大距离的渐近情况,结果表明其与两个指数分布之间的PenMon-χ2最大距离有相同渐近性。比较两个｜j}阶Erlang分布之间的Pearson-χ2距离与两个指数分布之间的Pearson-χ2距离,推导两者之间的关系式。     

基于遗传算法的广义指数分布参数估计

将遗传算法运用于广义指数公布的参数估计中．模拟研究表明遗传算法极大地改善了传统方法的估计效率．     

Exponential time-frequency distribution of mechanical vibration signals

Ｆｏｒｍａｎｙｍｅｃｈａｎｉｃａｌｓｙｓｔｅｍｓ,ｔｈｅｍｅｃｈａｎｉｃａｌｖｉｂｒａｔｉｏｎｓｉｇｎａｌｉｓａｃａｒｒｉｅｒｏｆｉｎｆｏｒｍａｔｉｏｎａｂｏｕｔｔｈｅｃｏｎｄｉｔｉｏｎｏｆｔｈｅｓｙｓｔｅｍ,ｓｕｃｈａｓｓｏｍｅｐｒｏｂｌｅｍｓｉｎｄｅｓｉｇｎｓａｎｄｍａｎｕｆａｃｔｕｒｅｓ.Ｂｅｃａｕｓｅｉｔｉｓｅａｓｉｌｙｍｅａｓｕｒａｂｌｅａｎｄａｂｌｅｔｏｔｒａｖｅｌｆｏｒａｌｏｎｇｄｉｓｔａｎｃｅｔｈｒｏｕｇｈｓｏｌｉｄａｎｄｆｌｕｉｄｍｅｄｉａ,ｅｓｐｅｃｉａｌｌｙｆｏｒｔｈｏｓｅｃｏ…