استنباط بر اساس سانسور هیبرید پیشرونده نوع دوم در توزیع هایی نمایی و وایبل

بسیاری از اوقات در آزمون های طول عمر، آرمایشهای کلینیکی، مطالعات تـأثیر دوز سم ها، تحقیقات زیست شناسی و دیگر زمینه های علم آمار، این امکان وجود دارد که زمان شکست کامل بعضی از واحدها مشاهده نشود، به این معنی که در برخی وضعیتها، برای برخی واحدها در طول آزمایش شکست اتفاق نمی افتد و یا از ادامه آزمایش باز نمی مانند و به جای دانستن زمان شکست، تمام آنچه می دانیم این است که این واحدها طول عمری متجاوز از مقداری از مقداری مانند y دارند. این محدودیت های پیش آمده در نمونه ها را سانسور گوییم. در مطالعات طبی و یا تحلیل های قابلیت اعتماد، بسیار معمول است که شکست هر واحد به بیش از یک علت مربوط باشد. به علاوه، داده های مشاهده شده اغلب سانسور شده اند. طرح سانسور هیبرید که ترکیبی از طرح های سانسور نوع یک و دو می باشد، در آزمون های طول عمر و یا آزمایشات قابلیت اعتماد بسیار سودمند است . اخیرا طرح سانسور پیشرونده نوع دوم برای تحلیل داده های با قابلیت اعتماد بسیار بالا معروف شده است. اما در این حالت ممکن است طول زمان آزمایش بسیار طولانی باشد بنابراین طرح سانسور هیبرید پیشرونده نوع دوم معرفی می شود که ترکیبی از طرح های سانسور پیشرونده نوع دوم و سانسور هیبرید می باشد.این رساله مشتمل بر هفت فصل است که ابتدای هر فصل شامل مقدمه ای است که جزئیات مطالب مندرج در آن فصل را توضیح می دهد. در فصل اول ابتدا مفاهیم و مقدمات مورد نیاز برای سایر فصل ها را بیان می کنیم. در فصل دوم مفاهیم و کلیاتی درباره داده های سانسور شده و انواع سانسور ها بیان می کنیم. در فصل سوم توضیح مختصری در رابطه با برخی از الگوریتم های تکرار عددی داده می شود. در فصل چهارم به معرفی سانسور جدیدی به نام سانسور هیبرید پیشرونده نوع دوم پرداخته و برآوردگر درستنمایی ماکسیمم پارامتر مجهول و فواصل اطمینان مختلف بر اساس این سانسور را در توزیع نمایی به دست می آوریم و با استفاده از شبیه سازی به مقایسه نتایج عددی می پردازیم. در فصل پنجم به تحلیل داده های سانسور شده هیبرید و داده های سانسور شده پیشرونده نوع دوم در توزیع وایبل پرداخته و mle و amle و برآوردگرهای بیزی و فواصل باور را به دست می آوریم. در فصل ششم به کمک فصل های چهارم و پنجم به بررسی داده های نمونه سانسور شده هیبرید پیشرونده نوع دوم در توزیع وایبل پرداخته و mle و amle و برآوردگرهای بیزی و فواصل باور را با استفاده از نمونه گیری گیبس که در فصل سوم معرفی شد بررسی کرده و با استفاده از شبیه سازی نتایج حاصل را ارائه می دهیم. در انتها در فصل هفتم، برنامه های کامپیوتری مربوط به فصل های چهارم و ششم که توسط نرم افزار r نوشته شده را قرار داده ایم.