레벨 : 중급
직무 : 분석가 / 과학자 / 엔지니어
William Q. Meeker, Iowa State University 저명한 통계 교수
Christopher Gotwalt, JMP, SAS 통계 연구 및 개발 이사
Monte Carlo Markov Chain 방법의 이론 및 응용 프로그램의 개발, 계산 기능의 대폭적인 개선 및 특히 JMP의 새로운 소프트웨어 대안은 신뢰성 응용 프로그램에서 베이지안 방법의 광범위한 사용을 가능하게했습니다. 그러나 베이지안 방법은 필요한 사전 배포의 출처에 대한 우려로 인해 안정성 (및 기타 응용 프로그램)에서 여전히 논란의 여지가 있습니다. 다른 한편으로, 엔지니어가 고장의 물리학 또는 동일한 고장 메커니즘에 대한 이전 경험을 기반으로 신뢰성 문제의 특정 측면에 대한 확실한 사전 정보를 가지고있는 많은 응용 분야가 있습니다 (예 : 온도 가속 수명에서 활성화 에너지에 대한 부정확 한 지식). 피로 파괴 데이터 분석에서 Weibull 형상 매개 변수에 대한 테스트 또는 정보). 이러한 응용 프로그램에서 베이지안 방법을 사용하면 그러한 양이 알려져 있다고 가정하고 알려진 것이 없다고 가정하는 것 사이에 설득력이 없더라도 적절한 절충안을 제공합니다. 이 강연에서는 현장 고장 데이터 분석, 가속 수명 테스트 데이터 및 가속 열화 테스트 데이터를 포함한 일련의 예제에 대해 베이지안 방법을 기존의 최대 가능성 방법과 비교합니다.
