测量数据质量评价与控制：基于贝叶斯框架下的最大信息熵和蒙特卡洛方法

目录　
第1章　绪论　1　
1.1　数据简介　1　
1.2　处理的基本模式　3　
1.3　研究的重点　11　
1.4　解决的关键问题　15　
第2章　贝叶斯方法　18　
2.1　贝叶斯方法的产生与发展　18　
2.2　贝叶斯方法的基本原理　18　
2.3　先验分布的确定方法　19　
2.4　后验分布的确定方法　22　
2.5　贝叶斯方法在统计过程控制中的应用　24　
2.6　贝叶斯方法在测量不确定度评定中的应用　28　
2.7　贝叶斯方法在可靠性评估中的应用　29　
2.8　基于WinBUGS软件的MCM后验分布确定　31　
第3章　最大信息熵方法　38　
3.1　信息熵的产生与发展　38　
3.2　最大信息熵原理　39　
3.3　常见不确定度信息下最大熵分布的确定方法　42　
3.4　拉格朗日乘子的确定　47　
3.5　PWMs约束下的分布确定及不确定度评定　58　
第4章　蒙特卡洛方法　68　
4.1　蒙特卡洛方法的产生与发展　68　
4.2　蒙特卡洛方法的主要原理　69　
4.3　结合贝叶斯方法的MCMC理论基础与构建方法　70　
4.4　GUM Suppl.1中蒙特卡洛抽样技术以及输出量分布的近似　74　
4.5　蒙特卡洛方法在测量不确定度评定中的应用　77　
4.6　MCM在质量控制中的应用　83　
4.7　MCM在可靠性评估中的应用　84
第5章　测量不确定度及其评定方法　86　
5.1　测量不确定度概述　86　
5.2　测量不确定度常规评定方法　89　
5.3　不确定度报告　91　
5.4　常规评定方法存在的问题　91　
5.5　复杂模型及其特点　93　
5.6　复杂模型测量不确定度评定实例　96　
5.7　本章小结　106　
第6章　贝叶斯方法在测量不确定度评定中的应用　107　
6.1　贝叶斯方法在小样本不确定度评定中的应用　107　
6.2　基于分位数和Bootstrap的贝叶斯先验分布的确定　115　
6.3　基于贝叶斯方法的MCM模型控制图　120　
第7章　最大信息熵原理在测量不确定度评定中的应用　129　
7.1　常见条件下的最大信息熵分布的确定及不确定度评定　130　
7.2　给定测量数据条件下PDF的确定及不确定度评定　139　
7.3　基于已有不确定度信息的分布确定　149　
第8章　蒙特卡洛仿真次数的确定方法　156　
8.1　GUM Suppl.1中关于M的确定方法　156　
8.2　GUM Suppl.1中M确定方法评述及影响因素分析　165　
8.3　M确定的新方法　168　
第9章　贝叶斯方法在小批量质量控制中的应用　179　
9.1　统计过程控制理论概述　179　
9.2　小批量生产SPC面临的问题　184　
9.3　基于贝叶斯方法控制图的设计　186　
9.4　基于贝叶斯方法的过程能力分析　190　
9.5　案例分析及与传统方法比较　191　
第10章　基于最大信息熵分布的控制图构建和特性评价　213　
10.1　非常规控制图简介　213　
10.2　基于最大信息熵分布的控制图构建　214　
10.3　基于最大信息熵的控制图特性评价及实证　222　
第11章　基于PME和MCM的贝叶斯可靠性评估　　247　
11.1　小样本可靠性评估概述　247　
11.2　基于PME的可靠性先验分布的确定　248　
11.3　基于MCMC的贝叶斯后验推断和可靠性评估　260　
11.4　基于WinBUGS软件的威布尔分布MCMC后验分布模拟265
附录A　标准正态分布表　274　
附录B　计量控制图控制限计算系数表　275　
附录C　Cp与Cpk所对应的合格品率表　276　
附录D　缩略语　277　
参考文献　278