استنباط برای توزیع وایبل با سانسور هیبرید
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران
- نویسنده محمد کاظمی
- استاد راهنما اکبر اصغرزاده بهرام صادقپور
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1380
چکیده
در این پایان نامه مسئله استنباط برای پارامترهای توزیع وایبل بر اساس داده های سانسور شده هیبرید را مورد مطالعه قرار می دهیم. در فصل نخست به معرفی سانسور هیبرید و کاربردهای آن در قابلیت اعتماد و آزمایشهای طول عمر می پردازیم. در فصل دوم، پارامترهای توزیع وایبل بر اساس سانسور هیبرید نوع i، به روشهای ماکزیمم درستنمائی، ماکزیمم درستنمائی تقریبی و بیزی برآورد می شود. برآوردهای بیزی با تقریب لیندلی و الگوریتم گیبز بدست می آیند. در فصل سوم مشابه فصل دوم مسئله برآورد پارامترهای مکان و مقیاس توزیع وایبل تحت سانسور هیبرید نوع ii بررسی می شود. در فصل چهارم به استنباط قابلیت اعتماد(r=p(y<x بر اساس نمونه های سانسور شد? هیبرید نوعi می پردازیم که x و y متغیرهای تصادفی وایبل با پارامترهای شکل.....
منابع مشابه
استنباط برای توزیع نیمهلوژستیک بر اساس نمونههای سانسور هیبرید فزاینده نوع دو
یکی از نقایص سانسور فزاینده نوع دو، نامحدود بودن زمان انجام آزمایش است. به همین دلیل طرح جدید سانسور هیبرید فزاینده نوع دو در سالهای اخیر مورد توجه آماردانان قرار گرفته است. در این مقاله تحلیل دادههای سانسور هیبرید فزاینده نوع دو، زمانی که دادهها از توزیع نیمهلوژستیک پیروی کنند ارائه میشود. برآوردهای ماکسیمم درستنمایی و ماکسیمم درستنمایی تقریبی پارامتر و برآورد بیزی پارامتر با دو روش تقر...
متن کاملاستنباط 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 ...
15 صفحه اولاستنباط برای توزیع نیمه لوژستیک بر اساس نمونه های سانسور هیبرید فزاینده نوع دو
یکی از نقایص سانسور فزاینده نوع دو، نامحدود بودن زمان انجام آزمایش است. به همین دلیل طرح جدید سانسور هیبرید فزاینده نوع دو در سال های اخیر مورد توجه آماردانان قرار گرفته است. در این مقاله تحلیل داده های سانسور هیبرید فزاینده نوع دو، زمانی که داده ها از توزیع نیمه لوژستیک پیروی کنند ارائه می شود. برآوردهای ماکسیمم درستنمایی و ماکسیمم درستنمایی تقریبی پارامتر و برآورد بیزی پارامتر با دو روش تقریب...
متن کاملاستنباط بر اساس سانسور هیبرید واحد شده در توزیع نمایی، نمایی تعمیم یافته دوپارامتری و وایبل
در این پایان نامه بعد از بیان مفاهیم و مقدمات لازم و ضروری ابتدا سانسور هیبرید واحد شده معرفی شده و سپس به برآورد پارامترها در توزیع نمایی و نمایی تعمیم یافته و وایبل تخت این طرح سانسور پرداخته ایم در توزیع نمایی توانسته ایم برآورد دقیق درستنمایی ماکسیمم را بدست آوریم ولی در توزیع نمایی تعمیم یافته به کمک الگوریتمem برآورد ها را مخاسبه کردهایم و همچنین یک فاصله اطمینان مجانبی نیز برای پارامترها...
15 صفحه اولاستنباط بیزی از توزیع نمایی دوپارامتری در سانسور هیبرید نوع اول
سانسور هیبرید ترکیبی از دو سانسور نوع اول و دوم میباشد که خود بر حسب تعیین معیار پایان دادن به آزمایش به دو سانسور هیبرید نوع اول و دوم تقسیم میشود. در این مقاله با طرح سانسورهیبرید نوع اول در حالت بدون جایگذاری و با جایگذاری، برآوردگر بیزی پارامترهای توزیع نمایی دوپارامتری و برآوردگر تأسف پسین گاما مینیماکس را برای انتخاب برآوردگری بهینه، تحت تابع زیان توان دوم خطا بهدست میآوریم. در ادامه مینی...
متن کاملاستنباط برای توزیع وایبل بر اساس داده های کامل و سانسور شده
در تعیین طول عمر یا زمانهای شکست برخی قطعات توزیع وایبل یکی از مدل های پرکاربرد می باشد، که اساساً به دلیل اشکال مختلف تابع چگالی و تابع نرخ خطر برحسب مقادیر مختلف پارامتر شکل توزیع وایبل می باشد. در این پایان نامه مسئله برآورد پارامترهای توزیع وایبل براساس داده های کامل، سانسور شده و رکوردی مورد مطالعه قرار می گیرد. در فصل نخست به معرفی توزیع وایبل و کاربردهای آن در قابلیت اعتماد و آزمایش های...
15 صفحه اولمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023