可靠性统计课程设计.docVIP

可靠性统计实验设计 题目：定时截尾下指数分布的失效率估计的分布 姓名：樊 海 涛 班级：12-1 学号：1207060106 专业：统 计 学  定时截尾下指数分布的失效率或平均值估计的分布 第一步：选取λ=180，结尾时间t0= 第二步：通过R软件模拟指数分布随机数据 通过sort函数把这1000个数据排序，然后取所有小于t0的时间，得到t1t2… …trt0 ，T=1rti+(n-r) θ=T 程序1 n-1000 t0-45 rexp.x-rexp(1000,1/80) rexp.x1-rexp.x[rexp.x45] T-sum(rexp.x1)+(n-length(rexp.x1))*t0 mean.1-T/length(rexp.x1) mean.1 x1-1/mean.1 x1 上面R语言程序是求出符合条件的θ，λ。 第三步：重复步骤二10000，得到10000个λ的值。 程序2 n-10000 t0-45 for(i in 1:10000) { rexp.x-rexp(1000,1/80) rexp.x1-rexp.x[rexp.x45] T-sum(rexp.x1)+(n-length(rexp.x1))*t0 mean.1-T/length(rexp.x1) x1-1/mean.1 a1[i]-print(x1) } X1向量里存储了10000个λ的值。 第四步：做出直方图，给出λ的密度拟合。 （5）第五步：密度与λ 的 从第四步求得的直方图和密度图看出λ可能服从正态分布，为了验证自己的猜测，首先我们做QQ图如下，发现所有的点几乎都在一条拟合的直线上，所以可以直观上认为这些数据是服从正态分布的。 但是作为一个统计专业的学生不能这么简单，通过简单地图像去证明一样东西，必须有严格的逻辑证明，才能使模型的使用更具有说服力。 为了验证这些数据是否服从正态分布，本题使用Epps-Pully检验方法。 EP检验所检验的原假设是 H0：总体为正态分布 具体操作如下： 由样本x1，x2，…，xn计算样本均值x和样本的二阶中心距m2： x 计算中间变量A与B，其中 A= B= 以上A与B可用R软件编译的程序3计算完成 计算EP的统计量 T 由程序3计算得TEP=0.1067651 给定显著性水平α=0.05，已知样本量n=10000；由于n=200时的统计量TEP的分位数已非常接近n=∞的分位数，故当n200时统计量EEP的分位数可以用n=200时的分位数来代替，从文献[1]附表中查的检验统计量TEP的1-α的分位数TEP 判断： 若T 若T TEP=0.1067651TEP,1-α 程序3 n-10000 ###总试验次数 t0-45 ###寿命不超过45 a1-0 ###a1为向量，先赋值为0 for(i in 1:n) { rexp.x-rexp(n,1/80) ###求n样本平均寿命为80的指数分布 rexp.x1-rexp.x[rexp.x45] T-sum(rexp.x1)+(n-length(rexp.x1))*t0 mean.1-T/length(rexp.x1) x1-1/mean.1 a1[i]-print(x1) ###求出所有的平均寿命倒数值 } ### ### mean.x-mean(a1) ###n个样本均值 mean.x var.x-var(a1) ###n个样本的方差 var.x A-0 for(i in 1:n) { x1=(a1[i]-mean.x)^2 x2=-4*var.x A=A+exp(x1/x2) ###Epps-Pully检验中，中间变量A值 } print(A) #### ### B-0 for(k in 2:n) { for(j in 1:(k-1)) { x1=(a1[j]-a1[k])^2 x2=-2*var.x B=B+exp(x1/x2) ######Epps-Pully检验中，中间变量B值 } } print(B) Tep=1+n/sqrt(3)+2/n*B-sqrt(2)*A Tep 实验结果是： print(A) [1] 8167.676 print(B) [1] Tep=1+n/sqrt(3)+2/n*B-sqrt(2)*A