左截断右删失数据下指数分布参数多变点的贝叶斯估计.pdfVIP

第 40卷 第 1期 西 南 师 范 大 学 学 报 (自然科 学版) 2O15年 1月 Vo1．40 No． 1 JournalofSouthwestChinaNormalUniversity(NaturalScienceEdition) Jan． 2O15 左截断右删失数据下指数分布参数 多变点的贝叶斯估计① 何朝兵 ， 刘跃军 ， 刘华文。 1．安阳师范学院数学与统计学院，河南 安阳455000；2．安阳师范学院 软件学院，河南 安阳455000； 3．山东大学 数学学院，济南 250100 摘要 ：主要利用 MCMC方法研究了左截断右删失数据下指数分布多变点模型的参数估计 问题．通过筛选法和逆变 换法得到了指数分布的完全数据 ，在获得各参数 的满条件分布后 ，利用 MCMC方法得到了Gibbs样本 ，把 Gibbs 样本 的均值作为各参数的估计．随机模拟的结果表明各参数估计 的精度都较高． 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 中图分类号 ：0213．2；O212．8 文献标志码 ：A 文章编号 ：1000—5471(2015)1—0012—06 变点模型是统计学 中比较重要 的统计模型，它广泛应用于水文统计 、经济 、网络安全等领域．对变点 模型的研究已有大量文献_1]．贝叶斯计算方法中的MCMC方法 ，使变点的检测变得非常方便 ]．指数 分布是一种很重要的连续型寿命分布，在许多场合都假定产品的失效分布为指数分布，特别在对产品进行 早期筛选后进入偶然失效期都可认为产品失效分布为指数分布．指数分布是最简单的失效分布，其失效率 为常数 ，又与平均寿命互为倒数．指数分布在可靠性与排队论中有着广泛的应用．当进行寿命试验时 ，经 常会 出现左截断右删失数据 ．对截断或删失数据下变点模型的研究可参看文献 [12— 15]．但对数据是 既左截断又右删失的情形下变点模型的研究还不多见．本文主要利用 MCMC方法研究了左截断右删失数 据下指数分布多变点模型的参数估计 问题．通过筛选法和逆变换法得到了产品寿命 的完全数据 ，把通过 MCMC方法得到的Gibbs样本的均值作为各参数 的估计 ，随机模拟的结果表明各参数估计的精度都较高． 1 左截断右删失模型 设 (X，Y，T)是一连续型随机变量 ，寿命变量 x 的分布 函数为F(z； )一P(X≤ z)，概率密度为 f(x；)；Y的分布 函数为G()，概率密度为g()；T的分布 函数为H ()，概率密度为h(￡)，且y，T的分 布与 无关．假设 x，y，T相互独立 ，且取值非负．对于 个受试产品，左截断右删失模型只有当Z≥T 时 可得到数据 (Z ，丁， )，而在 Z T 下无法得到任何观察值 ，其中 Z 一 X 八Y 一 rain(X ，Y )， 一 (X ≤ Y )，i一 1，2，… ， 下面求样本的似然函数． P(无样本观察值)一P(Z T)一1一P(X ≥ T ，y ≥ T)一 广。。 1一 Ih(z)F()G(z)dz尘 U() J 0 其 中：F一 1一F，G一 1～G． ① 收稿 日期 ：2Ol4—01—16 基金项 目：国家 自然科学基金项 目；河南省教育厅科学技术研究重点项 目(12A520o01) 作者简介 ：何朝兵 (1975一)，男 ，河南周 口人 ，讲师 ，理学硕 士，主要从事概率统计研究 ． 第 1期 何朝兵，等 ：左截断右删失数据下指数分布参数多变点的贝叶斯估计