Bayesian nonparametric estimation via Gibbs sampling for coherent systems with redundancy
利用 Gibbs 抽样对含冗余设计的相干系统进行贝叶斯非参数估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究可靠性系统的寿命分布估计，没有经济网络、分布效应等细分方向的直接证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
利用 Gibbs 抽样对含冗余设计的相干系统进行贝叶斯非参数估计
- 研究问题
- 当部件寿命分布未知、只能观察系统故障时刻与部件状态时，如何估计独立部件及整个冗余系统的寿命分布？
- 方法与思路
- 在部件独立且系统结构函数已知的设定下，作者利用故障后检查数据构造贝叶斯非参数估计，题名指出采用 Gibbs 抽样。
- 材料陈述的贡献
- 摘要称，先估计各部件寿命分布，再得到系统寿命分布估计；方法适用于冗余机器测试，并另给出参数化程序。
- 阅读关注点
- 应核对故障时刻及部件状态如何进入似然、先验与 Gibbs 更新如何设定，以及部件寿命分布的可识别性依据。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明先验形式、抽样收敛或估计精度，不能外推至部件依赖情形。
原文摘要
We consider a coherent system S consisting of m independent components for which we do not know the distributions of the components' lifelengths. If we know the structure function of the system, then we can estimate the distribution of the system lifelength by estimating the distributions of the lifelengths of the individual components. Suppose that we can collect data under the "autopsy model," wherein a system is run until a failure occurs and then the status (functioning or dead) of each component is obtained. This test is repeated n times. The autopsy statistics consist of the age of the system at the time of breakdown and the set of parts that are dead by the time of breakdown. We develop a nonparametric Bayesian estimate of the distributions of the component lifelengths and then use this to obtain an estimate of the distribution of the lifelength of the system. The procedure is applicable to machine-test settings wherein the machines have redundant designs. A parametric procedure is also given.