伽马先验分布的草案.docxVIP

1先验分布服从伽马-逆伽马分布 1:取形状参数先验分布为伽马分布: ba ma-1exp(一bm)， 其中a为形状参数，b为尺度参数。 2:尺度参数的先验分布为逆伽马分布: yur( yu r(u)3) exp r I 其中u为形状参数，v为尺度参数。 则两参数的联合验前分布为： 兀(mm) 兀(mm)=Ga(a,b)-IGa(u,v)= r(a) ba ma-1exp(一bm)- vu exp r”、 一； VI r(.)为伽马函数: r(a)=j+xa-1e-xdxa0 02超参数确定方法 上面给出的先验分布中，除了两参数数都取无信息先验分布，其它先验分布都含有未知的超参数。超参数可以根据经验专家给出，但是更多的时候要利用先验数据确定。通常利用先验矩可以确定超参数。这时，首先要获得参数9(对于Weibull而言，就是m和)的样本，然后才能去估计参数的样本矩。然而，已知的先验数据与参数的样本并没有明显的对应关系。在工程应用中，常用自助法(Bootstrap)获得参数的样本。自助法的核心是利用自助样本(或称为再生样本)来估计未知概率测度的某种统计量的统计特性。设T=(t,t,???t)12n是得到的一组数控系统无故障工作时间样本。通过其运用自助法便可获得m和的样本。具体步骤如下： 对T=(t,t,...t)进行有放回抽样，可得到自助样本；12n 利用自助样本t*=(t*,t*,-艾*)进行最大似然估计，得到m，彳；12n 重复上述两个步骤n次，得到估计参数样本｛(m,),(m,),???,(m,)｝；1122NN 利用得到的估计参数样本即可求未知参数,m的期望和方差。 通过得到的N组参数样本，分别计算其期望与方差，可以得到验前分布的超参数。当假设先验分布为二元正态时： b2=e(m-口)2， 当假设先验分布为伽马-逆伽马分布时，解下面两个方程组便可得。i=1(u- 当假设先验分布为伽马-逆伽马分布时， 解下面两个方程组便可得。 i=1 (u-1)2(u-2) 兀(9It) p(119)兀(9) （2.5） （2.6）M(t)=jp(119)兀(9)d （2.6） 由于M（t）不依赖于9，在计算9的后验分布中仅起到一个正规化因子的作用。假如把m（t）省略，把Bayes公式改写为如下等价的形式: 兀(911)xp(119)兀(9) 其中符号x代表两边仅差一个常数因子，一个不依赖于9的常数因子。 则联合后验分布为: L(11门，m)丸⑴，m)M(t)abvuxr(b)T(u)nm abvu xr(b)T(u) nm 7 mb-1(nt)° i -1-exp 一am一 ieD ieC+D 、（2.7） （2.8）在这里r（b）rG）是不依赖于口，°abvu的常量因子，在以后的积分当中可以消掉，因此可以省略(t)=jmu兀G, （2.8） 在这里r（b）rG）是不依赖于口，° abvu 的常量因子，在以后的积分当中可以消掉， 因此可以省略 它写成如下形式: H(n,m H(n,m)= mb-1(nt)m-1.exp ieD vVt-am-—-乙(i) n ieC+D （2.9） 对上式进行积分可以得到: J(a,P)=JmjnuH(n,m》ndm4参数门,m和MTBF值的点估计和区间估计E(mKIZ)=—JuJnumKHG,m)dndmJmLnLm的双侧区间估计E(mIZ)=JJJ=JnuJnumH,mdndmmLnL，由以下公式求得: —JnuJmH(n,m)dmdnJnm LLy_2JnuJmH(n,m)dmd]=1一Jnm2nmLL 同样的方法可以得到a的点估计和区间估计E(nKIZ)=—JuJnunKHG,m)dndmJ mLnLn的双侧区间估计e(nIz)=Jj=JmJnunh(n,mdndm2mLnL，由以下公式求得: —JmuJ11HG,m)dmdn=~2JmLMTBF的点估计和区间估计MTBF=t=门r1+—E(tK|Z)=JnJ=J驻JnutH(n,m》ndm3mLnLMTBF的双侧区间估计，由以下公式求得: _JmJ/-「f1-1]HG,m)dndmJml]lkm7（2.10） （2.11） （2.12） （2.13） （2.14）（2.15）（2.16）（2.17）（2.18）（2.19） （2.20）（2.21）（2.22） （2.23）■—jmuj/l]1_+:HG,m)d门dm= （2.23） 5算例 通过新产品现场试验，我们得到一组现场样本T: 完全失效数据2033239341583194719613206截尾数据7831353101630973300 通过由自助法得到的m和门样本，我们便可得到样本均值、样本方差: H=1.44，七=2251，b2 H=1.44， 七=2251， b2=0.025,T