測量數(shù)據(jù)質(zhì)量評價與控制：基于貝葉斯框架下的最大信息熵和蒙特卡洛方法

目錄　
第1章　緒論　1　
1.1　數(shù)據(jù)簡介　1　
1.2　處理的基本模式　3　
1.3　研究的重點　11　
1.4　解決的關鍵問題　15　
第2章　貝葉斯方法　18　
2.1　貝葉斯方法的產(chǎn)生與發(fā)展　18　
2.2　貝葉斯方法的基本原理　18　
2.3　先驗分布的確定方法　19　
2.4　后驗分布的確定方法　22　
2.5　貝葉斯方法在統(tǒng)計過程控制中的應用　24　
2.6　貝葉斯方法在測量不確定度評定中的應用　28　
2.7　貝葉斯方法在可靠性評估中的應用　29　
2.8　基于WinBUGS軟件的MCM后驗分布確定　31　
第3章　最大信息熵方法　38　
3.1　信息熵的產(chǎn)生與發(fā)展　38　
3.2　最大信息熵原理　39　
3.3　常見不確定度信息下最大熵分布的確定方法　42　
3.4　拉格朗日乘子的確定　47　
3.5　PWMs約束下的分布確定及不確定度評定　58　
第4章　蒙特卡洛方法　68　
4.1　蒙特卡洛方法的產(chǎn)生與發(fā)展　68　
4.2　蒙特卡洛方法的主要原理　69　
4.3　結合貝葉斯方法的MCMC理論基礎與構建方法　70　
4.4　GUM Suppl.1中蒙特卡洛抽樣技術以及輸出量分布的近似　74　
4.5　蒙特卡洛方法在測量不確定度評定中的應用　77　
4.6　MCM在質(zhì)量控制中的應用　83　
4.7　MCM在可靠性評估中的應用　84
第5章　測量不確定度及其評定方法　86　
5.1　測量不確定度概述　86　
5.2　測量不確定度常規(guī)評定方法　89　
5.3　不確定度報告　91　
5.4　常規(guī)評定方法存在的問題　91　
5.5　復雜模型及其特點　93　
5.6　復雜模型測量不確定度評定實例　96　
5.7　本章小結　106　
第6章　貝葉斯方法在測量不確定度評定中的應用　107　
6.1　貝葉斯方法在小樣本不確定度評定中的應用　107　
6.2　基于分位數(shù)和Bootstrap的貝葉斯先驗分布的確定　115　
6.3　基于貝葉斯方法的MCM模型控制圖　120　
第7章　最大信息熵原理在測量不確定度評定中的應用　129　
7.1　常見條件下的最大信息熵分布的確定及不確定度評定　130　
7.2　給定測量數(shù)據(jù)條件下PDF的確定及不確定度評定　139　
7.3　基于已有不確定度信息的分布確定　149　
第8章　蒙特卡洛仿真次數(shù)的確定方法　156　
8.1　GUM Suppl.1中關于M的確定方法　156　
8.2　GUM Suppl.1中M確定方法評述及影響因素分析　165　
8.3　M確定的新方法　168　
第9章　貝葉斯方法在小批量質(zhì)量控制中的應用　179　
9.1　統(tǒng)計過程控制理論概述　179　
9.2　小批量生產(chǎn)SPC面臨的問題　184　
9.3　基于貝葉斯方法控制圖的設計　186　
9.4　基于貝葉斯方法的過程能力分析　190　
9.5　案例分析及與傳統(tǒng)方法比較　191　
第10章　基于最大信息熵分布的控制圖構建和特性評價　213　
10.1　非常規(guī)控制圖簡介　213　
10.2　基于最大信息熵分布的控制圖構建　214　
10.3　基于最大信息熵的控制圖特性評價及實證　222　
第11章　基于PME和MCM的貝葉斯可靠性評估　　247　
11.1　小樣本可靠性評估概述　247　
11.2　基于PME的可靠性先驗分布的確定　248　
11.3　基于MCMC的貝葉斯后驗推斷和可靠性評估　260　
11.4　基于WinBUGS軟件的威布爾分布MCMC后驗分布模擬265
附錄A　標準正態(tài)分布表　274　
附錄B　計量控制圖控制限計算系數(shù)表　275　
附錄C　Cp與Cpk所對應的合格品率表　276　
附錄D　縮略語　277　
參考文獻　278