Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

Gültig bis 19.08.2026 | Gültig für Spielzeug, Filme, Musik, Software, Games, Elektronik, Geschenke & Trends, Schreibwaren, Hörbücher und Hörbuch-Downloads (außer Abo & Shelfies), gebrauchte Bücher, nicht preisgebundene Bücher und Kalender | Einlösbar unter osiander.de und in der Osiander App | Click & Collect nur mit Online-Zahlung (Paypal/Kreditkarte) vorab | Einzelne Artikel können ausgeschlossen sein | Nicht kombinierbar mit anderen Gutscheinen oder Preisaktionen | Nur einmal pro Einkauf einlösbar | Gutschein wird auf max. 500€ Bestellwert angerechnet | Keine Barauszahlung | Digitale Hörbücher nur für Android  | Nicht gültig für preisgebundene Artikel (aufgrund der Buchpreisbindung sind Gutscheine nicht auf Bücher, eBooks, Presse einlösbar), tolino eReader & Zubehör, Abonnements & Flatrates, Geschenkkarten, Versandkosten und Services
Produktbild: Practical Applications of Bayesian Reliability

Practical Applications of Bayesian Reliability

Aus der Reihe Wiley Series in Quality and Reliability Engineering

149,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

04.06.2019

Verlag

John Wiley & Sons Inc

Seitenzahl

320

Maße (L/B/H)

24,6/17,3/2,3 cm

Gewicht

680 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-1-119-28797-1

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

04.06.2019

Verlag

John Wiley & Sons Inc

Seitenzahl

320

Maße (L/B/H)

24,6/17,3/2,3 cm

Gewicht

680 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-1-119-28797-1

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
Die Leseprobe wird geladen.
  • Produktbild: Practical Applications of Bayesian Reliability
  • Preface xi
     
    Acknowledgments xv
     
    About the Companion Website xvii
     
    1 Basic Concepts of Reliability Engineering 1
     
    1.1 Introduction 1
     
    1.1.1 Reliability Definition 3
     
    1.1.2 Design for Reliability and Design for Six Sigma 4
     
    1.2 Basic Theory and Concepts of Reliability Statistics 5
     
    1.2.1 Random Variables 5
     
    1.2.2 Discrete Probability Distributions 6
     
    1.2.3 Continuous Probability Distributions 6
     
    1.2.4 Properties of Discrete and Continuous Random Variables 6
     
    1.2.4.1 Probability Mass Function 6
     
    1.2.4.2 Probability Density Function 7
     
    1.2.4.3 Cumulative Distribution Function 8
     
    1.2.4.4 Reliability or Survival Function 8
     
    1.2.4.5 Hazard Rate or Instantaneous Failure Rate 9
     
    1.2.4.6 Cumulative Hazard Function 10
     
    1.2.4.7 The Average Failure Rate Over Time 10
     
    1.2.4.8 Mean Time to Failure 10
     
    1.2.4.9 Mean Number of Failures 11
     
    1.2.5 Censored Data 11
     
    1.2.6 Parametric Models of Time to Failure Data 13
     
    1.2.7 Nonparametric Estimation of Survival 14
     
    1.2.8 Accelerated Life Testing 16
     
    1.3 Bayesian Approach to Reliability Inferences 18
     
    1.3.1 Brief History of Bayes' Theorem and Bayesian Statistics 18
     
    1.3.2 How Does Bayesian Statistics Relate to Other Advances in the Industry? 19
     
    1.3.2.1 Advancement of Predictive Analytics 20
     
    1.3.2.2 Cost Reduction 20
     
    1.4 Component Reliability Estimation 20
     
    1.5 System Reliability Estimation 20
     
    1.6 Design Capability Prediction (Monte Carlo Simulations) 21
     
    1.7 Summary 22
     
    References 23
     
    2 Basic Concepts of Bayesian Statistics and Models 25
     
    2.1 Basic Idea of Bayesian Reasoning 25
     
    2.2 Basic Probability Theory and Bayes' Theorem 26
     
    2.3 Bayesian Inference (Point and Interval Estimation) 32
     
    2.4 Selection of Prior Distributions 35
     
    2.4.1 Conjugate Priors 35
     
    2.4.2 Informative and Non-informative Priors 38
     
    2.5 Bayesian Inference vs. Frequentist Inference 44
     
    2.6 How Bayesian Inference Works with Monte Carlo Simulations 48
     
    2.7 Bayes Factor and its Applications 50
     
    2.8 Predictive Distribution 53
     
    2.9 Summary 57
     
    References 57
     
    3 Bayesian Computation 59
     
    3.1 Introduction 59
     
    3.2 Discretization 60
     
    3.3 Markov Chain Monte Carlo Algorithms 66
     
    3.3.1 Markov Chains 67
     
    3.3.1.1 Monte Carlo Error 67
     
    3.3.2 Metropolis-Hastings Algorithm 68
     
    3.3.3 Gibbs Sampling 80
     
    3.4 Using BUGS/JAGS 85
     
    3.4.1 Define a JAGS Model 86
     
    3.4.2 Create, Compile, and Run the JAGS Model 89
     
    3.4.3 MCMC Diagnostics and Output Analysis 91
     
    3.4.3.1 Summary Statistics 91
     
    3.4.3.2 Trace Plots 92
     
    3.4.3.3 Autocorrelation Plots 93
     
    3.4.3.4 Cross-Correlation 93
     
    3.4.3.5 Gelman-Rubin Diagnostic and Plots 94
     
    3.4.4 Sensitivity to the Prior Distributions 95
     
    3.4.5 Model Comparison 96
     
    3.5 Summary 98
     
    References 98
     
    4 Reliability Distributions (Bayesian Perspective) 101
     
    4.1 Introduction 101
     
    4.2 Discrete Probability Models 102
     
    4.2.1 Binomial Distribution 102
     
    4.2.2 Poisson Distribution 104
     
    4.3 Continuous Models 108
     
    4.3.1 Exponential Distribution 108
     
    4.3.2 Gamma Distribution 113
     
    4.3.3 Weibull Distribution 115
     
    4.3.3.1 Fit Data to a Weibull Distribution 116
     
    4.3.3.2 Demonstrating Reliability using Right-censored