استنباط بيزي براي خانواده توزيع نمايي بر اساس سانسور فزاينده

Bayesian inference for exponential distribution family based on incremental censoring

با توجه به هزينه بالاي هر واحد ازمون يا محدوديت در زمان آزمون، به دست آوردن زمان خرابي تمام واحدهاي آزمايشي كه در يك آزمايش طول عمر گنجانده شده‌اند ممكن است ممكن يا معقول نباشد. بنابراين در چنين شرايطي واحدهاي آزمايش قبل از رسيدن زمان خرابيشان حذف مي‌شوند. اين مدل‌ها طرح‌هاي سانسور ناميده مي‌شوند. از آنجايي كه حذف اين واحدهاي آزمايشي مي‌تواند به روش‌هاي مختلفي انجام شود، بسته به شرايط آزمون مي‌توان انواع مختلفي از طرح‌هاي سانسور را تعريف كرد. دو طرح سانسور كه بيشتر مورد استفاده قرار مي‌گيرد، طرح‌هاي سانسور نوع I و نوع II هستند. در مورد اين دو طرح سانسور مقالات زيادي نوشته شده و محققان درباره آنها بحث كرده‌اند. اشكال اصلي اين طرح ها اين است كه واحدهاي آزمايش تنها پس ا از پايان آزمايش قابل حذف هستند. بنابراين، يك طرح سانسور متفاوت به نام سانسور فزاينده معرفي شد كه امكان حذف واحدهاي آزمايشي را در طول آزمايش زندگي فراهم مي‌كند كه در اين تحقيق مورد استفاده قرار مي‌گيرد. در ديدگاه آمار بيزي، اساس كار، استفاده از ميزان اطلاعات قبلي است كه نسبت به پارامتر مجهول وجود دارد. به اين صورت كه اطلاعات پيشين كه قبل از مشاهده داده‌ها وجود دارند با به كارگيري داده‌هاي به دست آمده به روزرساني مي‌شوند كه از آن به عنوان اطلاعات پسين ياد مي‌شود. در برآورديابي و نظريه تصميم، براوردگر بيز يا عمل بيز يك براوردگر يا قاعده تصميم گيري است كه مقدار اميد رياضي يك تابع زيان (يعني زيان مورد انتظار (پسين را به حداقل مي‌رساند به طور معادل اميد رياضي پسين يك تابع مطلوبيت را به حداكثر مي‌رساند با توجه به مطالب گفته شده استفاده از روش‌هاي بيزي جهت استنباط پارامترهاي مجهول كاملا منطقي و مفيد به نظر مي‌رسد.