Modelado de estrés constante de datos lognormales bajo censura progresiva de tipo I de intervalo: enfoques de estimación de máxima verosimilitud y bayesiana
Autores: Sief, Mohamed; Liu, Xinsheng; Hosny, Mona; Abd El-Raheem, Abd El-Raheem M.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Modelado de estrés constante de datos lognormales bajo censura progresiva de tipo I de intervalo: enfoques de estimación de máxima verosimilitud y bayesiana
Categoría
Matemáticas
Subcategoría
Análisis matemático
Palabras clave
Enfoques inferenciales
Pruebas de vida acelerada con estrés constante
Datos de falla
Censura de intervalo tipo I progresiva
Parámetro de ubicación log-normal
Modelo de vida-estrés log-lineal
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
Este documento discute enfoques inferenciales para el problema de pruebas de vida acelerada de estrés constante cuando los datos de falla están censurados de intervalos tipo-I progresivos. Se realizan estimaciones frecuentistas y bayesianas bajo la suposición de que el parámetro de ubicación log-normal no es constante y sigue un modelo de vida-estrés log-lineal. Los intervalos de confianza de los parámetros desconocidos también se construyen basados en la teoría asintótica y técnicas bayesianas. Un análisis de un conjunto de datos reales se combina con una simulación de Monte Carlo para proporcionar una evaluación exhaustiva de los métodos propuestos.
Descripción
Este documento discute enfoques inferenciales para el problema de pruebas de vida acelerada de estrés constante cuando los datos de falla están censurados de intervalos tipo-I progresivos. Se realizan estimaciones frecuentistas y bayesianas bajo la suposición de que el parámetro de ubicación log-normal no es constante y sigue un modelo de vida-estrés log-lineal. Los intervalos de confianza de los parámetros desconocidos también se construyen basados en la teoría asintótica y técnicas bayesianas. Un análisis de un conjunto de datos reales se combina con una simulación de Monte Carlo para proporcionar una evaluación exhaustiva de los métodos propuestos.