和陽(yáng)，王蓉華，徐曉嶺

（1.上海師范大學(xué)數(shù)理學(xué)院 上海 200234；

2.上海對(duì)外經(jīng)貿(mào)大學(xué)統(tǒng)計(jì)與信息學(xué)院 上海 201620）

0 引言

Abd Ellah，A H在文獻(xiàn) [1]中將Lomax分布稱為第二型的Pareto分布，該分布的失效函數(shù)具有單調(diào)遞增和單調(diào)遞減的性質(zhì)，在分析醫(yī)學(xué)、生物科學(xué)和工程科學(xué)等方面有重要的貢獻(xiàn)。關(guān)于該分布的統(tǒng)計(jì)推斷理論引起了很多統(tǒng)計(jì)學(xué)者的興趣，并在此之前做了大量的相關(guān)研究工作。例如：文獻(xiàn) [2]研究了損傷失效率下兩參數(shù)Lomax分布在步進(jìn)應(yīng)力加速壽試驗(yàn)下參數(shù)的極大似然估計(jì)和近似區(qū)間估計(jì)；文獻(xiàn) [3]研究了在累積損傷模型下兩參數(shù)Lomax分布產(chǎn)品在序進(jìn)應(yīng)力加速壽命試驗(yàn)下參數(shù)的極大似然估計(jì)和近似區(qū)間估計(jì)；文獻(xiàn) [4]在熵?fù)p失下，已知兩參數(shù)Lomax分布中的尺度參數(shù)時(shí)，得到了形狀參數(shù)的Bayes估計(jì)；文獻(xiàn) [5]在研究了在累積損傷模型下，Lomax分布在簡(jiǎn)單步進(jìn)應(yīng)力加速壽命試驗(yàn)下參數(shù)的極大似然估計(jì)，同時(shí)還討論了參數(shù)的漸進(jìn)方差-協(xié)方差矩陣，給出了基于漸進(jìn)正態(tài)性的近似區(qū)間估計(jì)，通過(guò)似然比的方法得到了參數(shù)的假設(shè)檢驗(yàn)；文獻(xiàn) [6]討論了在Linex損失函數(shù)下，Lomax分布中形狀參數(shù)的E-Bayes點(diǎn)估計(jì)，運(yùn)用Monte Carlo方法模擬數(shù)據(jù)，比較了不同的估計(jì)值；文獻(xiàn) [7]討論了Lomax分布的參數(shù)的區(qū)間估計(jì)和對(duì)應(yīng)的假設(shè)檢驗(yàn)；文獻(xiàn) [8]討論了服從Lomax分布的產(chǎn)品的次序失效時(shí)間的性質(zhì)和漸進(jìn)分布；文獻(xiàn) [9]討論了在Linex損失函數(shù)下，Lomax分布中已知尺度參數(shù)的前提條件下，形狀參數(shù)的Bayes估計(jì)和多層Bayes估計(jì)。本文討論了累積損傷模型下，Lomax分布在序進(jìn)—恒定應(yīng)力 （V1=0）加速壽命試驗(yàn)的失效模式以及參數(shù)的極大似然估計(jì)和近似區(qū)間估計(jì)。

設(shè)某產(chǎn)品的壽命T服從Lomax分布，其分布函數(shù)與密度函數(shù)分別為：

式（1）-（2）中：β——尺度參數(shù)；

λ——形狀參數(shù)。

1 逆冪律模型、Nelson假定和漸進(jìn)正態(tài)性

逆冪律模型是指在加速壽命試驗(yàn)過(guò)程中，以電壓作為加速應(yīng)力時(shí)，根據(jù)物理原理和試驗(yàn)的經(jīng)驗(yàn)總結(jié)，發(fā)現(xiàn)有些產(chǎn)品 （例如：絕緣材料、電容器、微型電機(jī)和某些電子器件等）的刻度參數(shù)β（單位：h）和電壓 （單位：V）之間有如下關(guān)系 （稱為逆冪律關(guān)系）：

式（3）中：d、c——常數(shù)，且d＞0，c＞0。

當(dāng)產(chǎn)品是電子元器件時(shí)，物理實(shí)驗(yàn)表明c僅與元器件的類型有關(guān)，而與其規(guī)格無(wú)關(guān)。

對(duì)上式兩邊同時(shí)取對(duì)數(shù)后可得，β滿足對(duì)數(shù)線性關(guān)系：

其中，a=-lnd，b=-c，φ（V）=lnV是應(yīng)力V的函數(shù)。

關(guān)于步進(jìn)應(yīng)力或序進(jìn)應(yīng)力加速壽命試驗(yàn)的統(tǒng)計(jì)分析大多是建立在Nelson假定 （簡(jiǎn)稱CE模型）基礎(chǔ)上的。

Nelson假定[11]：產(chǎn)品的殘余壽命僅依賴于當(dāng)時(shí)已積累失效的部分和當(dāng)時(shí)的應(yīng)力水平， 而與積累方式無(wú)關(guān)。

Nelson假定其實(shí)就是一種 “時(shí)間折算”，即如果持續(xù)在一個(gè)恒定應(yīng)力下，未失效的產(chǎn)品會(huì)根據(jù)該應(yīng)力下的分布函數(shù)來(lái)失效， 但是要從以前累積失效的部分開始算起。

設(shè)在恒定應(yīng)力Vi，i=1，2下產(chǎn)品的壽命Ti服從Lomax分布，其分布函數(shù)為：

由Nelson假定知：

即

上式可以解釋為：產(chǎn)品在恒定加速應(yīng)力V2下工作t2時(shí)間，相當(dāng)于在恒定加速應(yīng)力V1下工作t1=時(shí)間。

定理[12]：假設(shè)Θ為開區(qū)間，概率密度函數(shù)f（x； θ）， θ∈Θ滿足以下條件。

1） 在參數(shù)真值 θ0的領(lǐng)域內(nèi)，對(duì)所有的t都存在；

2）在參數(shù)真值θ0的領(lǐng)域內(nèi)H （t）， 且 EH （t） ＜∞；

3）在參數(shù)真值θ0處，

其中，撇號(hào)表示對(duì)θ的微分，記θ?n為n→∞時(shí)似然方程的相合解，則：

2 Lomax分布的產(chǎn)品在序進(jìn)-恒定應(yīng)力加速壽命試驗(yàn)下的失效模式

考慮序進(jìn)-恒定應(yīng)力加速壽命試驗(yàn)，在這個(gè)試驗(yàn)中，n個(gè)產(chǎn)品在序進(jìn)應(yīng)力V （t）=Kt+V1，V1≥0下做加速壽命試驗(yàn)，同時(shí)考慮到應(yīng)力過(guò)大有可能會(huì)改變產(chǎn)品的失效機(jī)理，因此產(chǎn)品在序進(jìn)應(yīng)力V（t）=Kt+V1下試驗(yàn)持續(xù)到時(shí)間τ時(shí) （其間共有r個(gè)產(chǎn)品失效），將試驗(yàn)應(yīng)力穩(wěn)定在Kτ+V1繼續(xù)試驗(yàn)，直至產(chǎn)品全部失效，試驗(yàn)終止。

此時(shí)應(yīng)力水平有如下表示：

首先，考慮產(chǎn)品在序進(jìn)應(yīng)力V（t）=Kt+V1，V1≥0下的加速壽命試驗(yàn)，試驗(yàn)持續(xù)到時(shí)間τ時(shí)共有r個(gè)產(chǎn)品失效，假定在應(yīng)力V1下產(chǎn)品的壽命分布服從Lomax分布，而尺度參數(shù)β1滿足逆冪律模型：

由文獻(xiàn) [13]可知：在應(yīng)力V（t）=Kt+V1，V1≥0下工作了t時(shí)間，相當(dāng)于在恒定應(yīng)力V1下工作的時(shí)間為：

則由Nelson假定知，產(chǎn)品在在序進(jìn)應(yīng)力V（t）=Kt+V1，V1≥0下的壽命分布為：

特別地，當(dāng)V1=0時(shí)，即產(chǎn)品在序進(jìn)應(yīng)力V（t）=Kt下的壽命分布為：

其次，產(chǎn)品在序進(jìn)應(yīng)力V（t）=Kt+V1下試驗(yàn)持續(xù)到時(shí)間τ后，為了防止改變產(chǎn)品的失效機(jī)理，未失效的產(chǎn)品在恒定應(yīng)力Kτ+V1下繼續(xù)試驗(yàn)，直到剩余的產(chǎn)品全部失效，試驗(yàn)終止。

在恒定應(yīng)力Kτ+V1下產(chǎn)品工作的時(shí)間記為t-τ（都是從時(shí)刻0算起），其相當(dāng)于在應(yīng)力V1下工作的時(shí)間為

因此，在時(shí)刻τ之前未失效的產(chǎn)品，其工作至t時(shí)刻的工作時(shí)間相當(dāng)于在恒定應(yīng)力V1下的工作時(shí)間為：

此時(shí)，在逆冪律模型下，產(chǎn)品的壽命分布為：FV（t）（t）=

特別地，當(dāng)V1=0時(shí)，產(chǎn)品的壽命分布為：

3 Lomax分布的產(chǎn)品在序進(jìn)-恒定應(yīng)力 （V1=0）加速壽命試驗(yàn)下的可靠性統(tǒng)計(jì)分析

考慮序進(jìn)-恒定應(yīng)力加速壽命試驗(yàn)，在這個(gè)試驗(yàn)中，將n個(gè)產(chǎn)品在序進(jìn)應(yīng)力V （t）=Kt下做加速壽命試驗(yàn)，當(dāng)試驗(yàn)持續(xù)到時(shí)間τ時(shí) （其間共有r個(gè)產(chǎn)品失效， 其次序失效時(shí)間記為： t（1）， t（2）， …，t（r）），為了防止改變產(chǎn)品的失效機(jī)理，此后將試驗(yàn)應(yīng)力穩(wěn)定在Kτ，繼續(xù)對(duì)未失效的產(chǎn)品做加速壽命試驗(yàn)，直至產(chǎn)品全部失效，試驗(yàn)終止，其次序失效時(shí)間記為： t（r+1）， t（r+2）， …， t（n））。

密度函數(shù)為：

當(dāng)t≥τ時(shí)，產(chǎn)品服從如下的分布函數(shù)：

密度函數(shù)為：

則似然函數(shù)為：

對(duì)數(shù)似然函數(shù)為：

分別求lnL（λ，m，c）對(duì)λ、m、c的偏導(dǎo)數(shù)：

分別求lnL對(duì)λ、m、c的二階偏導(dǎo)數(shù)：

由此可得fisher信息陣為：

取置信度為1-α，則d的置信區(qū)間為： （d0-同理，c的置信區(qū)間為：λ 的置信區(qū)間為： （λ0-

4 Monte Carlo算例

0.175 2 0.180 3 0.189 7 0.193 9 0.237 60.282 4 0.282 7 0.300 9 0.307 5 0.350 80.406 3 0.421 9 0.434 9 0.497 1

在恒定應(yīng)力Kτ下的失效時(shí)間為： 0.537 0 0.556 7 0.658 3 0.886 7 0.911 4 0.930 7

由上面的結(jié)論，得到fisher信息陣為：

取置信區(qū)間為95%，從而得到參數(shù)m的區(qū)間估計(jì)為： （0.391 7，1.608 3），參數(shù)c的區(qū)間估計(jì)為： （0.292，1.708），參數(shù)λ的區(qū)間估計(jì)為：（1.410 7， 4.589 3）。

5 結(jié)束語(yǔ)

為了提高試驗(yàn)效率，減少成本，人們需要盡可能地利用有限的資源得到產(chǎn)品的壽命信息。本文討論了在累積損傷模型下，服從Lomax分布的產(chǎn)品在序進(jìn)-恒定應(yīng)力加速壽命試驗(yàn)下的參數(shù)極大似然估計(jì)和基于漸進(jìn)正態(tài)性的近似區(qū)間估計(jì)，并用Monte-Carlo法模擬數(shù)據(jù)，計(jì)算了參數(shù)的極大似然估計(jì)和近似區(qū)間估計(jì)。得到如下結(jié)論：

1）序進(jìn)-恒定應(yīng)力加速壽命試驗(yàn)確實(shí)可以提高試驗(yàn)效率，縮短試驗(yàn)時(shí)間；

2）在序進(jìn)-恒定應(yīng)力加速壽命試驗(yàn)下得到的參數(shù)估計(jì)仍然能夠反映真實(shí)的產(chǎn)品信息；

3）基于漸進(jìn)正態(tài)性的近似區(qū)間估計(jì)能夠很好的包含極大似然估計(jì)。

[1]ABD Ellah，A H.Bayesian one sample prediction bounds for Lomax distribution[J].Indian J Pure and Applied Mathematics， 2003， 34 （1）： 101-109.

[2]肖小英，任海平.熵?fù)p失函數(shù)下兩參數(shù)Lomax分布形狀參數(shù)的Bayes估計(jì) [J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2010，40（5）： 227-230.

[3]周明元.對(duì)稱熵?fù)p失函數(shù)下兩參數(shù)Lomax分布形狀參數(shù)的Bayes估計(jì) [J].統(tǒng)計(jì)與決策，2010（12）：8-10.

[4]王琪，任海平.NA樣本下兩參數(shù)分布Lomax形成參數(shù)的經(jīng)驗(yàn)Bayes檢驗(yàn) [J].統(tǒng)計(jì)與決策，2010（12）：161-162.

[5]姚惠，謝林.不同損失下Lomax分布形狀參數(shù)的Bayes估計(jì) [J].數(shù)學(xué)雜志，2011（6）：31-37.

[6]姚惠.Linex損失下Lomax分布形狀參數(shù)的Bayes估計(jì)[J].統(tǒng)計(jì)與決策，2011（16）：173-175.

[7]姚惠，吳現(xiàn)榮.Linex損失下Lomax分布形狀參數(shù)的幾種Bayes估計(jì) [J].黔南民族師范學(xué)院學(xué)報(bào)，2012，31（6）： 113-116.

[8]龍兵.兩參數(shù)Lomax分布次序統(tǒng)計(jì)量的性質(zhì)和漸進(jìn)分布[J].蘭州交通大學(xué)學(xué)報(bào)，2013，32（4）：164-167.

[9]龍兵.兩參數(shù)Lomax分布中參數(shù)的區(qū)間估計(jì)和假設(shè)檢驗(yàn)[J].江西師范大學(xué)學(xué)報(bào)，2014，38（2）：176-179.

[10]AMAL S Hassan，AMANI S Al-Ghamdi.Optimum ztep stress accelerated life testing for Lomax distribution[J].Journal of Applied Sciences Research， 2009， 5 （12）：2153-2164.

[11]NELSON W.Accelerated life testing step-stress models and data analysis[J].IEEE Transactions on Reliability，1980， 29 （2）： 103-108.

[12]茆詩(shī)松，王靜龍，濮曉龍.高等數(shù)理統(tǒng)計(jì) （第二版）[M].北京：高等教育出版社，2006：120-121.

[13]NELSON W.Accelerated testing statistical models，test plans， and data analysis[M].New York： John Wiley&Sons， Inc.， 2004： 507-509.