IIRCT下指数分布参数多变点的贝叶斯估计  

Bayesian Estimation of Variable Points of Exponential Distribution Parameters under IIRCT

作　　者：梅梦玲 周菊玲[1] 董翠玲 MEI Mengling;ZHOU Juling;DONG Cuiling(School of Mathematical Sciences Xinjiang Normal University,Urumqi 830017,China)

机构地区：[1]新疆师范大学数学与科学学院,乌鲁木齐830017

出　　处：《河南科学》2021年第3期353-358,共6页Henan Science

基　　金：国家自然科学基金青年项目(11801488);新疆师范大学重点实验室项目(XJNUSYS082018A01);新疆师范大学教改工程项目(SDJG2018-46);新疆师范大学校级重点实验室招标课题(XJNUSYS2019B05)。

摘　　要：对缺损的寿命变量数据进行添加,得到了带有不完全信息截尾实验下的指数分布的完全似然函数,并给出了其变点的位置和其他参数的满条件分布.通过利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行了抽样,介绍了实施MCMC方法的详细步骤,得到了参数的Gibbs样本,把Gibbs样本的均值作为各个参数的贝叶斯估计,随机模拟的实验结果表明各参数的贝叶斯估计精度较高.In this paper,the complete likelihood function of exponential distribution under truncated experiment with incomplete information is obtained by adding the data of life variables with defects,and the position of the change points and the full conditional distribution of other parameters are given.By using the MCMC method combining Gibbs sampling and Metropolis-Hastings algorithm to sample the full conditional distribution of each parameter,this paper introduces the implementation of the detailed steps of MCMC method.Gibbs sample is used as the Bayesian estimation of the parameters,the experimental results of random simulation show that the Bayesian estimation precision of each parameter is high.

关 键 词：指数分布 变点 GIBBS抽样 Metropolis-Hastings算法 贝叶斯估计 

分 类 号：O213.2[理学—概率论与数理统计] O212.8[理学—数学]