1) Beta-exponential distribution
贝塔指数分布
1.
When prior distribution of failure-rate is in form of Beta-exponential distribution,and the super-parameters are in form of uniform distribution,we get Hierarchical Bayesian Estimation of failure probability.
本文讨论了指数分布无失效数据的失效率的先验分布为贝塔指数分布时,超参数服从均匀分布的条件下,失效率的多层Bayes估计,并给出了可靠度的估计,最后结合实际问题进行了计算。
2.
In this paper,when prior distribution of failure-rate is in form of Beta-exponential distribution,the Bayesian and Hierarchical Bayesian Estimation of zero-failure data.
本文讨论了指数分布无失效数据的失效率的先验分布为贝塔指数分布时,失效率的Bayes估计及多层Bayes估计,并给出了可靠度的估计,最后结合实际问题进行了计算,说明了估计的有效性。
2) Beta distribution function
贝塔分布函数
3) beta distribution
贝塔分布
1.
Making full use of knowledge in manufacturing tolerance analysis combined with the beta distribution model is introduced and applied.
所用分析方法充分利用制造环境知识 ,把贝塔分布应用于公差设计 。
2.
Considering the step by step improvement in the related knowledge and information, a dynamic and recurring method is advocated of assessing the containment with Bayes theorem and the solution is obtained to the problem in its practical application: how to set forth a prior Beta distribution.
解决了贝叶斯方法实用中难题：如何简易地确定先验的贝塔分布。
3.
The 8087 s instructions are estimated with beta distribution and normal distribution separately, the whole program s execution time is approximated with normal distribution after adding instruction.
分别用贝塔分布和正态分布模拟8087指令的运行时间,进行指令叠加后用正态分布模拟整个程序的运行时间;实验结果表明,基于分布函数的程序执行时间预估方法是可行的;最后对估计出来的时间区间作了调整。
4) mixed Beta distribution
混合贝塔分布
1.
In order to avoid that a small amount of field test information would be obliterated by a large amount of prior information,a Bayesian method with mixed Beta distribution was used.
为避免少量的现场试验信息被大量的先验信息淹没,使用了以混合贝塔分布为先验分布的贝叶斯方法。
5) Beta distribution approximation
贝塔分布近似
1.
Beta distribution approximation of confidence distributions and application in reliability statistics;
置信分布的贝塔分布近似及其在可靠性统计中的应用
6) Beta-binomial distribution
贝塔-二项分布
补充资料：指数分布
指数分布
exponential distribution
指数分布[以，叨回业州h‘阅;no以3aTe月‘u.pae-upe口e月euoe」 用密度 (;。一，二，尧n D‘X，二二老，，、 LO，x<。，定义的随机变量X的连续分布.密度p(x)依赖于正的尺度参数*·矩的公式是E二一杀，特别地，其期望〔X=l/又，方差ox=1/扩，特征函数是(l一it/义)一’. 指数分布属于用密度 又之xa一l D(x、=二二竺-e一孟戈.x)0.!y>0 rL“)定义的r分布族(见r分布(爹mil以一dis川butjon)).密度(l)的陀重卷积等于具有同样的参数又和“=n的r密度. 指数分布是唯一的具有无后效性质的分布:对任意x>0，夕>0有 p{X>x+夕!X>夕}=p{X>x}，(2)其中尸(X>x十川X>y)是在X>y的条件下，事件X>x+y的条件概率.性质(2)也称为无记忆性. 在一个齐次n映翻灿过程(Po即np~)中，两个相继事件之间的时间间隔具有指数分布.反之，具有指数寿命(l)的更新过程是Po助n过程.指数分布常出现在更新过程的叠加或扩张的极限过程中、也出现在临界分支过程中各种随机轨道模式的高水平相交问题中. 上述特性解释了指数分布被广泛地应用于排队论和可靠性理论中的缘由.假定各个设备的寿命是具有指数分布的独立随机变量，性质(2)能使我们用连续时间的有限或可数MaPKoB链来检验一个排队系统.类似地，人们在可靠性理论中也使用MapKoB链，这时每个设备的无故障工作时间常常能看成彼此独立并具有指数分布.【补注]在Po姚on过程中无记忆性与M即KoB性质(M田血。v Property)相联系.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条