级别：中级职位职能：分析师/科学家/工程师William Q. Meeker，爱荷华州立大学统计学杰出教授Christopher Gotwalt，JMP，SAS 统计研究与开发总监
蒙特卡洛马尔可夫链方法理论和应用的发展、计算能力的巨大进步以及新兴软件替代品（尤其是 JMP）的出现，使得贝叶斯方法在可靠性应用中得到广泛应用。然而，贝叶斯方法在可靠性（和其他应用）中仍然存在争议，因为人们担心所需的先验分布应该来自何处。另一方面，在许多应用中，工程师根据故障物理或相同故障机制的先前经验（例如，对温度加速寿命试验中的活化能或疲劳故障数据分析中的威布尔形状参数的不精确了解），对可靠性问题的某些方面拥有可靠的先验信息。在这样的应用中，使用贝叶斯方法在假设这些量已知和假设什么都不知道之间提供了一个合适的（如果不是令人信服的）折衷方案。在这次演讲中，我将比较贝叶斯方法与传统最大似然法在一系列示例（包括现场故障数据、加速寿命试验数据和加速退化试验数据的分析）中的使用情况。
