基于复合等效可信度加权的Bayes融合评估方法

在小子样试验评估时,为避免大量先验信息湮没实际飞行试验的信息,融合先验补充样本时通常会进行数学相容性检验并加权.首先分析了小子样情形下直接根据数据计算数学相容性可能造成的不稳定性,为改善这种情况,根据不同试验类型的不同试验环境,对不同试验类型下的误差进行分析和折合,定义了物理等效可信度;并结合物理等效可信度和数学相容性检验,得到先验样本的复合等效可信度权重,基于正态逆伽玛分布计算了Bayes融合评估的后验结果;通过比较Bayes估计后验方差与不磁合先验信息的估计后验方差,根据先验信息参与融合后是否能减小后验方差来判断先验样本是否应该参与融合.理论分析和仿真说明,基于复合等效可信度的加权方法是合理的.     

基于混合倒伽玛分布的Bayes区间估计方法在密集度评定中的应用

针对某型系列弹密集度评定,给出了基于混合倒伽玛分布的Bayes区间估计方法。该方法通过引入继承因子,有效利用了历史样本信息。通过对不同总体下随机抽样的方式,比较了该方法与经典统计理论中区间估计算法在风险特征方面的差异,结果表明:该方法估计精度更高,具有更好的稳健性,尤其是纳伪概率控制较好,为科学、有效评定系列化弹药密集度提供了思路。