广义逆指数分布元件的可靠性分析⋆
2017-08-28邢务强
邢务强
(西安邮电大学,西安 710121)
广义逆指数分布元件的可靠性分析⋆
邢务强
(西安邮电大学,西安 710121)
在II型混合截尾样本下,得到了广义逆指数分布未知参数的最大似然估计。利用最大似然估计的渐近正态性构造了参数的渐近置信区间,运用Lindley’s逼近方法和Tierney&Kadane’s逼近方法计算出了参数的Bayes估计。最后,运用Monte-Carlo方法对上述估计方法结果作了模拟比较。
广义指数分布,最大似然估计,Bayes估计,II型混合截尾
0 引言
单参数指数分布是应用最为广泛的一个寿命分布,作为指数分布的一类推广,Guptah和Kundu[1]提出了广义指数分布,Lin[2]提出了逆指数分布。文献[3]讨论了逆指数分布的Bayes估计,Abouammoh和Alshingiti[4]对逆指数分布引入了一个形状参数,得到了广义逆指数分布,由于其分布结构的简单性,广义逆指数分布在各方面都有了很多的应用,文献[5]讨论了广义逆指数分布在混合I型截尾下的参数估计,与前人不同,本文讨论了II型混合截尾下广义逆指数分布的统计分析,主要考虑了分布的参数估计问题。
II型混合截尾是指假设有n个产品同时进行试验,设试验的寿命数据的顺序统计量为。事先给定和,当试验进行到至少有R个产品失效并且试验至少进行到时刻T时,试验结束,也即试验的终止时间为,这样既保证了得到的有效样本的个数,也会节约试验的时间。由II型混合截尾的定义可以看出,在II型混合截尾条件下,若不考虑无失效数据的情况下,所观测到的数据样本有如下3种情况:
广义指数分布的概率密度函数和分布函数分别为
1 参数的最大似然估计
综上讨论,最大似然函数为
其中
对数似然函数为
由式(1)可得
将式(3)代入式(2),可得
2 观察信息阵
为了得到估计参数的置信区间,利用最大似然估计的观察信息阵
其中:
从而可得协方差矩阵的估计为
3 贝叶斯估计
从而对于已知观测数据,可得的后验分布为
3.1 Lindley’s逼近
上式右端用最大似然估计值代入,这里
于是,在II型混合广义逆指数分布截尾数据下
3.2 Tierney&Kadane’s逼近
于是,在II型混合广义逆指数分布截尾数据下
4 仿真模拟
根据上面的讨论,对广义逆指数分布的未知参数进行采用蒙特卡罗仿真,仿真次数n=5 000,实验样本的个数n=100,参数的真值为α=0.6,=1。表1为在截尾时间T=3下,未知参数在3种不同截尾数下的最大似然估计值和贝叶斯估计值,括号内为估计值与真实值之间均方差,其中贝叶斯估计参数a1=1.2,a2=2,b1=2,b2=2。表 2 为在截尾数 R=70 下,未知参数在3种不同截尾时间下的最大似然估计值和贝叶斯估计值,括号内为估计值与真实值之间均方差,其中贝叶斯估计参数a1=1.2,a2=2,b1=2,b2=2。表3给出了截尾时间T=5下,未知参数在3种不同截尾数下未知参数真实值落入置信度为0.95的置信区间的比例。
由表格可以看出:①最大似然估计和两种情况下的都较为接近参数的真实值,并且贝叶斯估计的值要优于最大似然估计,并且估计值的均方差相应的小于最大似然估计的均方差;②在截尾数R=70下,随着随着截尾时间的增大,参数的估计值越来越接近真实值,并且估计值的均方差也越来越小;③由观察信息阵构造的置信区间较为合理,随着截尾样本数量的增大,置信区间的精度也越来越好。并且修正后的置信区间要优于先前的置信区间。
表1 截尾时间T=3
表2 截尾数R=70
表3 截尾时间T=5
[1]GUPTA R D,KUNDU B.Generalized exponential distributions[J].Australian and New Zealand Journal of Statistics,1999,41(12):173-188.
[2]LIN C T,DURAN B S,LEWIS T O.Inverted gamma as a life distribution [J].Microelectronics and Reliability,1989,29(4):619-626.
[3]DEY S.Inverted exponential distribution as a life distribution model from a bayesian viewpoint[J].Data Science Journal,2007,6:107-113.
[4]ABOUAMMOH A M,ALSHINGITI A M.Reliability of generalized inverted exponential distribution[J].Journal of StatisticalComputation and Simulation ,2009,79(11):1301-1315.
[5]DEY S,PRADHAN B.Generalized inverted exponential distribution under hybrid censoring[J].Statistical Methodology,2014(18):101-114.
[6]MEEKER W Q,ESCOBAR L A.Statistical methods for reliability data[M].John Wiley&Sons,NewYork,1998.
[7]LINDLEY D V.Approximate Bayesian Methods[J].Trabajos de stadistca,1980,31(1):223-245.
[8]TIERNEY L,KADANE J B.Accurate approximations for posterior moments and marginal densities[J].Y.Amer.Statist.Asso,1986,81(393):82-86.
[9]周洁,贺兴时,刘俊利.双边定数截尾场合下BurrⅫ分布的 Bayes估计[J].统计与决策,2014(20):25-27.
[10]鄢伟安,宋保维,毛昭勇,双边定数截尾下广义指数分布的贝叶斯估计[J]. 计算机工程与应用,2012,48(1):234-236.
[11]邢务强,师义民.I型混合截尾下指数—威布尔分布的统计分析[J].火力与指挥控制,2013,38(5):55-57.
Reliability Analysis of Generalized Inverted Exponential Distribution Elements
XING Wu-qiang
(Xi’an University of Posts & Telecommunications,Xi’an 710121,China)
Based on type-II hybrid censored samples,the maximum likelihood estimators of the unknown parameters is derived.The approximate confidence intervals for the parameters based on the s-normal approximation to the asymptotic distribution of MLE are constructed.Bayes estimates using Lindley’s approximation method and Tierney&Kadane’s approximation method are developed for estimating the unknown parameters.Finally,Monte-Carlo simulations are performed to observe the behavior of the proposed methods.
generalized inverted exponential distribution,maximum likelihood estimators,Bayes estimates,type-II hybrid censored
O213.2
A
10.3969/j.issn.1002-0640.2017.07.005
1002-0640(2017)07-0021-04
2016-05-05
2016-06-07
国家自然科学基金(71401134,71171164);西安邮电大学中青年基金资助项目(101-0485)
邢务强(1977- ),男,河南三门峡人,在读博士。研究方向:应用概率统计,可靠性分析。