Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:0801.0922v1

帮助 | 高级搜索

统计学 > 方法论

arXiv:0801.0922v1 (stat)
[提交于 2008年1月7日 ]

标题: 基于删失样本的指数情形下$P(Y<X)$的估计

标题: Estimating of $P(Y<X)$ in the Exponential case Based on Censored Samples

Authors:A. M. Abd Elfattah, O. Mohamed Marwa
摘要: 本文讨论了当强度 $p(y<x)$ 和应力 $X$,$Y$ 分别服从具有不同尺度参数的独立指数分布时,系统可靠性估计的问题,此时可用数据为 II 型截尾样本。应用了不同的可靠性估计方法,所得点估计包括最大似然估计、一致最小方差无偏估计以及基于共轭先验和非信息先验分布的贝叶斯估计。对所得到的估计进行了比较。此外还讨论了可靠性的区间估计。
摘要: In this article, the estimation of reliability of a system is discussed $p(y<x)$ when strength, $X$, and stress, $Y$, are two independent exponential distribution with different scale parameters when the available data are type II Censored sample. Different methods for estimating the reliability are applied. The point estimators obtained are maximum likelihood estimator, uniformly minimum variance unbiased estimator, and Bayesian estimators based on conjugate and non informative prior distributions. A comparison of the estimates obtained is performed. Interval estimators of the reliability are also discussed.
评论: 投稿至电子统计期刊 (http://www.i-journals.org/ejs/) 由数理统计研究所 (http://www.imstat.org)
主题: 方法论 (stat.ME)
引用方式: arXiv:0801.0922 [stat.ME]
  (或者 arXiv:0801.0922v1 [stat.ME] 对于此版本)
  https://doi.org/10.48550/arXiv.0801.0922
通过 DataCite 发表的 arXiv DOI
期刊参考: IMS-EJS-EJS_2008_166

提交历史

来自: A. M. Abd Elfattah [查看电子邮件]
[v1] 星期一, 2008 年 1 月 7 日 08:30:01 UTC (11 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
stat.ME
< 上一篇   |   下一篇 >
新的 | 最近的 | 2008-01
切换浏览方式为:
stat

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号