级别：中级职位职能：分析师/科学家/工程师爱荷华州立大学杰出统计学教授William Q. Meeker SAS统计研究与发展总监JMP Christopher Gotwalt
蒙特卡洛马尔可夫链方法的理论和应用的发展，计算能力的极大提高以及新兴的软件替代方案（尤其是在JMP中），使得在可靠性应用中广泛使用贝叶斯方法成为可能。但是，贝叶斯方法在可靠性（和其他应用）方面仍然存在争议，因为担心所需的先验分布应该来自哪里。另一方面，在许多应用中，工程师基于故障的物理学或具有相同故障机制的先前经验（例如，关于温度加速寿命中的活化能的不精确知识），对可靠性问题的某些方面拥有可靠的先验信息。测试或关于Weibull形状参数进行疲劳破坏数据分析）。在这样的应用中，使用贝叶斯方法在假设这些量已知和什么都不知道之间提供了一种适当的折衷（如果不是令人信服的话）。在本次演讲中，我将贝叶斯方法与传统的最大似然方法的使用进行了比较，并给出了一组示例，包括对现场故障数据，加速寿命测试数据和加速降级测试数据的分析。
