第八章 可靠性试验分解.ppt

第 八 章 (1) 点估计 矩法 极大似然法 特点：简单、精度低 (2) 区间估计 特点：复杂、精度高 点估计：从一组观测值中计算的一个数，用以表示对总体参数的估计。不足在于，抽样不同，估计值不同。 区间估计：进一步对估计的数用可靠的概念确定一个区间，说明该区间包含总体参数的概率大小。 （假定身高服从正态分布 ） 设这5个数是: 1.65 1.67 1.68 1.78 1.69 估计 为1.68， 这是点估计. 这是区间估计. 估计 在区间[1.57, 1.84]内的概率， 假如我们要估计某队男生的平均身高. 现从该总体选取容量为5的样本，我们的任务是要根据选出的样本（5个数）求出总体均值 的估计. 而全部信息就由这5个数组成 . 例1 已知某地区新生婴儿的体重X~ 随机抽查100个婴儿 得100个体重数据 10,7,6,6.5,5,5.2, … 呢? 据此,我们应如何估计 和 而全部信息就由这100个数组成. 一、点估计 1. 矩估计法 为估计 ,我们需要构造出适当的样本的函数T(x1,x2,…,xn)，每当有了样本，就代入该函数中算出一个值，用来作为 的估计值 . 把样本体重的平均值作为总体平均体重的一个估计. 类似地，用样本体重的方差 . （1）矩估计法 (2) 极大似然估计法 极大似然法的基本思想 一只野兔从前方窜过 . 是谁打中的呢？ 某位同学与一位猎人一起外出打猎 . 如果要你推测， 你会如何想呢? 只听一声枪响，野兔应声倒下 . 把母体待估参数一切可能取值中使观测结果出现概率最大的那个参数定做母体参数的估计值。 你就会想，只发一枪便打中,猎人命中的概率一般大于这位同学命中的概率. 看来这一枪是猎人射中的 . 这个例子所作的推断已经体现了极大似然法的基本思想 . 设x1,x2,…,xn是取自总体X的一个样本，样本的联合密度(连续型）或联合概率函数(离散型)为 f (x1,x2,…,xn; ) . 当给定样本x1,x2,…,xn时，定义似然函数为： f (x1,x2,…,xn; ) 极大似然估计法就是用使 达到最 大值的 去估计 . 看作参数 的函数，它可作为 将以多 大可能产生样本值x1,x2,…,xn的一种度量 . 求似然函数L( ) 的最大值点，可以应用微积分中的技巧。由于ln(x)是x的增函数，lnL( )与L( )在 的同一值处达到它的最大值，假定 是一实数，且lnL( ) 是 的一个可微函数。通过求解所谓“似然方程”： 从上可见： ① 无论是用矩法还是用极大似然法，得出的母体待估参数，对于每一个不同的子样均可能是不同的。由于母体的待估参数的真值实际上只能有一个，因此可以判定用点估计得出的计算结果肯定不完全等于母体待估参数的真值。 ② 计算结果和真值的误差究竟有多少？这些误差究竟不超过多少可以用？点估计都不能说清楚。 二、参数区间估计 1、均值的双侧区间估计 设对总体X作了n次取样，获得n个观测值x1,x2,x3，…，xn。样本均值： 均值期望值： 样本均值的期望值等于总体均值的无偏估计。 （1）总体方差σ2已知，总体均值μ的区间估计 已知：样本均值 服从标准正态分布 当给定置信度1-α时， 是μ的无偏估计。 当α大时， kα/2小，置信区间小，估计精度高。 双侧置信限下限： 双侧置信限上限： 误差： 例：已知根据车速定运输量，如果需要99%的置信度，则可确保平均的车速误差为1km/h，车速标准差为3.58km/h。试确定所需要的观测次数n。如果进行150次观测，假设平均车速误差1km/h和车速标准差3.58km/h仍不变，求置信度为多少？ 解：①设 车速为随机变量x，平均车速的置信区间为 则： ②150次观测的置信度 查表： 2、均值的单侧置信区间估计 当方差已知时，假定随机变量为正态分布，均值的单侧置信下限和上限分别为： 例：对某段公路施工共检查了32个压实点，得压实度均值为93.8%，压实度标准差2.0%。试求当置信水平95%时，均值的单侧置信限。 解： 可 靠 性 设 计 可靠性实验、验证及评定 为了评价、分析或提高产品（包括系统、设备、元器件、原材料）可靠性而进行的试验，称可靠性试验。 可靠性试验的目的： 是对产品的可靠性进行调研、分析和评价的一种手段，也是提供和保证可靠性的一个