掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
貝葉斯概率風險評估 版權信息
- ISBN：9787118095074
- 條形碼：9787118095074 ; 978-7-118-09507-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
貝葉斯概率風險評估 本書特色
概率風險評估是對工程系統中事故的發生頻率和后果進行分析和評價。事件發生頻率低，數據缺乏，是制約概率風險評估準確性的瓶頸。貝葉斯推斷為突破該瓶頸提供了理論框架和技術手段。 《貝葉斯概率風險評估》系統介紹了運用貝葉斯推斷處理風險分析中常見隨機模型的方法，以及模型檢驗、收斂性等易忽視的事項，并提供了大量運用 openbugs進行貝葉斯推斷的案例。本書濃縮了兩位作者多年來在風險評估中推廣貝葉斯推斷方法所積累的寶貴經驗，具有很強的理論指導作用及工程實用價值。 本書可供從事風險評估的技術人員和管理人員開展工作時參考，可作為培訓教材使用；也可作為可靠性系統工程、安全工程等專業本科生、研究生的教材或參考書。本書作者dana kelly(凱利)和curtis smith(史密斯)是美國愛達華國家實驗室的可靠性與風險評估領域專家。
貝葉斯概率風險評估 內容簡介
本書共13章，第1章介紹了貝葉斯推斷的起源與背景，概括了過程與步驟；第2章介紹了貝葉斯推斷的基礎--貝葉斯定理及其簡單應用；第3章詳述了風險評估問題中常見的單參數隨機模型；第4章論述了時常被忽視的模型校驗問題，包括定性的圖校驗和基于后驗預計分布的定量校驗；第5章論述了二項分布和泊松分布的參數存在單調趨勢的情形；第6章從實用視角討論了MCMC收斂性；第7章討論了總體變異模型；第8章介紹了威布爾分布、對數正態分布和伽瑪分布的推斷，還介紹了用于篩選后備模型的懲罰似然準則，主要是異常信息準則（DIC）；第9章概括了更新過程的推斷，和一些探索性數據分析中有用的圖檢驗；第10章闡述了觀測數據存在某種不確定性時的分析，如刪失、不準確的記錄或其他原因；第11章介紹了回歸模型；第12章介紹了多層系統故障樹的推斷；第13章有選擇地討論了一些特定前沿問題，包括極值過程推斷，在貝葉斯框架下處理專家意見的方法等。
貝葉斯概率風險評估 目錄
第1章 簡介與動機
1.1 簡介
1.2 貝葉斯推斷的背景
1.3 貝葉斯推斷過程概覽
參考文獻
第2章 貝葉斯推斷概述
2.1 概述
2.2 貝葉斯定理
2.3 貝葉斯定理的簡單應用
2.3.1 離散實例
2.3.2 連續實例
第3章 常見隨機模型的貝葉斯推斷
3.1 概述
3.2 二項分布
3.2.1 用共軛先驗進行二項分布推斷
3.2.2 用無信息先驗進行二項分布推斷
3.2.3 用非共軛先驗進行二項分布推斷
3.3 泊松分布
3.3.1 用共軛先驗進行泊松分布推斷
3.3.2 用無信息先驗進行泊松分布推斷
3.3.3 用非共軛先驗進行泊松分布推斷
3.4 指數分布
3.4.1 用共軛先驗進行指數分布推斷
3.4.2 用無信息先驗進行指數分布推斷
3.4.3 用非共軛先驗進行指數分布推斷
3.5 確定先驗分布
3.5.1 確定共軛先驗分布
3.5.2 通過有限信息確定先驗分布
3.5.3 確定有信息先驗分布的注意事項
3.5.4 先驗分布與期望數據的一致性：預后驗分析
習題
參考文獻
第4章 貝葉斯模型檢驗
4.1 基于后驗分布的直接推斷
4.2 后驗預計分布
4.2.1 基于后驗預計分布的圖檢驗
4.3 借助后驗預計分布概要統計量的模型檢驗
4.3.1 貝葉斯卡方統計量
4.3.2 cramer-von miscs統計量
習題
參考文獻
第5章 二項數據與泊松數據的時間趨勢
5.1 p的時間趨勢
5.2 γ的時間趨勢
參考文獻
第6章 后驗分布的收斂性檢驗
6.1 收斂性的定性檢驗
6.2 收斂性的定量檢驗
6.3 確保良好的后驗分布收斂性
6.4 確定恰當的樣本容量
參考文獻
第7章 處理變異性的層次貝葉斯模型
7.1 趨勢模型的變異性
7.2 從源到源的變異性
7.3 層次貝葉斯模型的收斂問題
7.4 一階先驗的選擇
7.5 趨勢模型重談
7.6 小結
習題
參考文獻
第8章 復雜隨機持續時間模型
8.1 示例
8.2 利用指數模型進行分析
8.2.1 頻率分析
8.2.2 貝葉斯分析
8.3 利用威布爾模型進行分析
8.4 利用對數正態模型進行分析
8.5 利用γ模型進行分析
8.6 估計未修復概率
8.6.1 利用卷積計算傳播不確定性
8.7 模型檢驗與選擇
習題
參考文獻
第9章 考慮維修的故障建模
9.1 維修如新：更新過程
9.1.1 時變故障率的更新過程圖檢驗
9.2 維修如舊：非齊次泊松過程
9.2.1 維修如舊時故障發生率趨勢的圖檢驗
9.2.2 基于維修如舊假設的貝葉斯推斷
9.3 在pra中應用結果
習題
參考文獻
第10章 不確定性數據的貝葉斯處理
10.1 截斷數據
10.2 成敗數據或泊松時間的不確定性
10.3 二項或泊松故障計數的不確定性
10.4 二項或泊松故障計數的不確定性的替代方法
10.5 共因失效事件計數的不確定性
習題
參考文獻
第11章 貝葉斯回歸模型
11.1 o形環損壞的概率模型
11.2 模型檢驗
11.3 航天飛機的故障概率
11.4 考慮發射溫度的不確定性
11.5 單元壽命的回歸模型
11.6 電池案例
11.7 小結
習題
參考文獻
第12章 多層故障樹的貝葉斯推斷
12.1 簡介
12.2 兩單元組件的例子
12.3 多單元組件的例子
12.4 貝葉斯異常
12.5 包含部件和子系統的超級單元
12.6 應急柴油發電機的例子
12.7 在多層故障樹中達到可靠性目標
參考文獻
第13章 延伸問題
13.1 極值過程
13.1.1 廣義極值參數的貝葉斯推斷
13.1.2 閾值和廣義帕累托分布
13.2 專家意見的處理
13.2.1 單個專家的信息
13.2.2 多個專家的信息
13.3 ad hoc方法的陷阱
13.3.1 使用一階β先驗
13.3.2 使用一階logistic-normal先驗
13.3.3 利用新數據進行更新
13.3.4 模型檢驗
13.4 在openbugs中指定新的先驗分布
13.5 馬爾可夫模型參數的貝葉斯推斷
13.5.1 故障的隨機模型
13.5.2 其他馬爾可夫模型參數
13.5.3 馬爾可夫系統模型等式
13.5.4 openbugs實現
參考文獻
附錄a 概率分布
a.1 離散分布
a.1.1 二項分布
a.1.2 泊松分布
a.1.3 多項式分布
a.2 連續隨機變量
a.2.1 均勻分布
a.2.2 正態分布
a.2.3 對數正態分布
a.2.4 logistic-normal分布
a.2.5 指數分布
a.2.6 威布爾分布
a.2.7 γ分布
a.2.8 e分布
a.2.9 didchlct分布
附錄b openbugs指南
b.1 winbugs和opcnbugs
b.1.1 opcnbucs支持的分布
b.1.2 opcnbugs腳本
b.1.3 opcnbugs應用示例
參考文獻
索引
內容簡介
1.1 簡介
1.2 貝葉斯推斷的背景
1.3 貝葉斯推斷過程概覽
參考文獻
第2章 貝葉斯推斷概述
2.1 概述
2.2 貝葉斯定理
2.3 貝葉斯定理的簡單應用
2.3.1 離散實例
2.3.2 連續實例
第3章 常見隨機模型的貝葉斯推斷
3.1 概述
3.2 二項分布
3.2.1 用共軛先驗進行二項分布推斷
3.2.2 用無信息先驗進行二項分布推斷
3.2.3 用非共軛先驗進行二項分布推斷
3.3 泊松分布
3.3.1 用共軛先驗進行泊松分布推斷
3.3.2 用無信息先驗進行泊松分布推斷
3.3.3 用非共軛先驗進行泊松分布推斷
3.4 指數分布
3.4.1 用共軛先驗進行指數分布推斷
3.4.2 用無信息先驗進行指數分布推斷
3.4.3 用非共軛先驗進行指數分布推斷
3.5 確定先驗分布
3.5.1 確定共軛先驗分布
3.5.2 通過有限信息確定先驗分布
3.5.3 確定有信息先驗分布的注意事項
3.5.4 先驗分布與期望數據的一致性：預后驗分析
習題
參考文獻
第4章 貝葉斯模型檢驗
4.1 基于后驗分布的直接推斷
4.2 后驗預計分布
4.2.1 基于后驗預計分布的圖檢驗
4.3 借助后驗預計分布概要統計量的模型檢驗
4.3.1 貝葉斯卡方統計量
4.3.2 cramer-von miscs統計量
習題
參考文獻
第5章 二項數據與泊松數據的時間趨勢
5.1 p的時間趨勢
5.2 γ的時間趨勢
參考文獻
第6章 后驗分布的收斂性檢驗
6.1 收斂性的定性檢驗
6.2 收斂性的定量檢驗
6.3 確保良好的后驗分布收斂性
6.4 確定恰當的樣本容量
參考文獻
第7章 處理變異性的層次貝葉斯模型
7.1 趨勢模型的變異性
7.2 從源到源的變異性
7.3 層次貝葉斯模型的收斂問題
7.4 一階先驗的選擇
7.5 趨勢模型重談
7.6 小結
習題
參考文獻
第8章 復雜隨機持續時間模型
8.1 示例
8.2 利用指數模型進行分析
8.2.1 頻率分析
8.2.2 貝葉斯分析
8.3 利用威布爾模型進行分析
8.4 利用對數正態模型進行分析
8.5 利用γ模型進行分析
8.6 估計未修復概率
8.6.1 利用卷積計算傳播不確定性
8.7 模型檢驗與選擇
習題
參考文獻
第9章 考慮維修的故障建模
9.1 維修如新：更新過程
9.1.1 時變故障率的更新過程圖檢驗
9.2 維修如舊：非齊次泊松過程
9.2.1 維修如舊時故障發生率趨勢的圖檢驗
9.2.2 基于維修如舊假設的貝葉斯推斷
9.3 在pra中應用結果
習題
參考文獻
第10章 不確定性數據的貝葉斯處理
10.1 截斷數據
10.2 成敗數據或泊松時間的不確定性
10.3 二項或泊松故障計數的不確定性
10.4 二項或泊松故障計數的不確定性的替代方法
10.5 共因失效事件計數的不確定性
習題
參考文獻
第11章 貝葉斯回歸模型
11.1 o形環損壞的概率模型
11.2 模型檢驗
11.3 航天飛機的故障概率
11.4 考慮發射溫度的不確定性
11.5 單元壽命的回歸模型
11.6 電池案例
11.7 小結
習題
參考文獻
第12章 多層故障樹的貝葉斯推斷
12.1 簡介
12.2 兩單元組件的例子
12.3 多單元組件的例子
12.4 貝葉斯異常
12.5 包含部件和子系統的超級單元
12.6 應急柴油發電機的例子
12.7 在多層故障樹中達到可靠性目標
參考文獻
第13章 延伸問題
13.1 極值過程
13.1.1 廣義極值參數的貝葉斯推斷
13.1.2 閾值和廣義帕累托分布
13.2 專家意見的處理
13.2.1 單個專家的信息
13.2.2 多個專家的信息
13.3 ad hoc方法的陷阱
13.3.1 使用一階β先驗
13.3.2 使用一階logistic-normal先驗
13.3.3 利用新數據進行更新
13.3.4 模型檢驗
13.4 在openbugs中指定新的先驗分布
13.5 馬爾可夫模型參數的貝葉斯推斷
13.5.1 故障的隨機模型
13.5.2 其他馬爾可夫模型參數
13.5.3 馬爾可夫系統模型等式
13.5.4 openbugs實現
參考文獻
附錄a 概率分布
a.1 離散分布
a.1.1 二項分布
a.1.2 泊松分布
a.1.3 多項式分布
a.2 連續隨機變量
a.2.1 均勻分布
a.2.2 正態分布
a.2.3 對數正態分布
a.2.4 logistic-normal分布
a.2.5 指數分布
a.2.6 威布爾分布
a.2.7 γ分布
a.2.8 e分布
a.2.9 didchlct分布
附錄b openbugs指南
b.1 winbugs和opcnbugs
b.1.1 opcnbucs支持的分布
b.1.2 opcnbugs腳本
b.1.3 opcnbugs應用示例
參考文獻
索引
內容簡介
展開全部
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
我與地壇
- >
月亮與六便士
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
山海經
- >
名家帶你讀魯迅:朝花夕拾
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
伊索寓言-世界文學名著典藏-全譯本
本類暢銷
