发布时间：2020-10-26
讲座时间：10月29日 14：30至15：30
讲座地点：25教学楼A座三层3B教室
主讲人：陈飘
主讲人简介：
陈飘博士现在是荷兰代尔夫特理工大学统计学系助理教授。他于2013年获得上海交通大学工业工程专业的学士学位，并于2017年获得新加坡国立大学工业与系统工程管理系的博士学位。他的研究兴趣包括质量与可靠性工程管理，一些常用的统计模型的同济推断，以及传染性疾病的建模与防控。他的研究发表于包括Technometrics, Journal of Quality Technology, Naval Research Logistics, IISE Transactions, European Journal of Operational Research, IEEE Transactions on Reliability 在内的一些优秀期刊上。
讲座内容：
许多大型组织通过收集各种组件的现场故障数据来构建可靠性数据库。为了简化数据库，这些故障数据经常仅包含了在一个操作时间间隔内某个组件位置中组件的更换次数。这类数据被称为第一类删失的聚合生存数据。它们的统计推断很具挑战性，因为基于某些常见的寿命分布的似然函数很难处理。在这项研究中，我们为这类数据提出了一个通用的参数分析框架。我们首先使用伽玛分布和逆高斯分布对这类数据进行建模，并讨论了两种模型的贝叶斯推断。与伽玛/逆高斯分布不同，基于其他分布的似然函数包含了多重积分，这使得标准贝叶斯分析变得困难。为了解决这个问题，我们提出了一种不需要评估似然函数的近似贝叶斯计算算法，并通过仿真对其性能进行了评估。由于存在多个候选分布，我们进一步提出了一种模型选择的方法来为这类数据选择一个适当的寿命分布。从可靠性数据库中提取出来的真实数据验证了我们方法的有效性和优越性。
