中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/68586
English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 80990/80990 (100%)
造訪人次 : 41676383      線上人數 : 1502
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/68586


    題名: 線性衰退模型之經驗貝氏可靠度分析;A Empirical Bayesian Reliability Analysis of Linear Degradation Model
    作者: 黃筱涵;Huang,Hsiao-han
    貢獻者: 統計研究所
    關鍵詞: 衰退試驗;線性模型;貝氏方法;經驗貝氏;Degradation tests;Linear model;Bayesian approach;Empirical Bayes
    日期: 2015-07-27
    上傳時間: 2015-09-23 12:52:42 (UTC+8)
    出版者: 國立中央大學
    摘要: 本文考慮產品衰退特徵值來自與時間相關的線性模型,在常態模型下,考慮參數具共軛先驗結構,利用貝氏方法可得參數之確切後驗分配,進而提出貝氏可靠度推論;另一方面,由於同款產品之間的衰退模型可能存有個別差異,我們以試驗中觀察到的資料估計具個別差異不同參數模型中但卻有共同先驗分配之超參數,建立經驗貝氏之可靠度推論,處理模型的不確定性。模擬結果顯示當不確定產品的模型時,經驗貝氏方法對於資料分析較具穩健性。;This thesis considers the degradation data of different products collected via the time-dependent linear models. Exact posterior distributions of the underlying parameters are derived based on the conjugate structure, and Bayesian reliability inference of the failure time distribution is introduced. On the other hand, the degradation models of similar products may have individual differences, empirical Bayes approach is applied by estimating the hyperparameters of the common prior distribution using the observed data via EM algorithm. This approach yields small Bayes predictive risks under model uncertainty. Simulation results show that the empirical Bayes approach is more robust when the model is uncertain or when the prior information is vague.
    顯示於類別:[統計研究所] 博碩士論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML527檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明