Livello: intermedio
Funzione lavorativa: Analista / Scienziato / Ingegnere
William Q. Meeker, Distinguished Professor of Statistics, Iowa State University
Christopher Gotwalt, JMP, Direttore della ricerca e sviluppo statistico, SAS
Lo sviluppo della teoria e dell'applicazione dei metodi della catena Monte Carlo Markov, i grandi miglioramenti nelle capacità di calcolo e le alternative software emergenti, specialmente in JMP, hanno reso possibile l'ampio uso dei metodi bayesiani nelle applicazioni di affidabilità. I metodi bayesiani, tuttavia, rimangono controversi in termini di affidabilità (e altre applicazioni) a causa della preoccupazione sulla provenienza delle distribuzioni precedenti necessarie. D'altra parte, ci sono molte applicazioni in cui gli ingegneri hanno solide informazioni preliminari su alcuni aspetti dei loro problemi di affidabilità basate sulla fisica del guasto o su precedenti esperienze con lo stesso meccanismo di guasto (ad esempio, conoscenza imprecisa sull'energia di attivazione in una vita accelerata dalla temperatura test o sul parametro di forma di Weibull nell'analisi dei dati di cedimento per fatica). In tali applicazioni, l'uso di metodi bayesiani offre un compromesso appropriato, se non convincente, tra l'ipotesi che tali quantità siano note e l'assunto che nulla sia noto. In questo discorso, metto a confronto l'uso dei metodi bayesiani con i metodi tradizionali di massima verosimiglianza per una serie di esempi tra cui l'analisi dei dati di guasto sul campo, dati di test di vita accelerati e dati di test di degradazione accelerata.
