가면 자료의 베이지안 계산모형

Bayesian Computation for Masked Data on Monotone Masking Probability Model

여러 가지 부속품(component)으로 구성된 장치(system)에 고장이 발생하면, 어떤 부속품이 실제고장을 일으켰는지 가면(masked)한 경우가 자주 발생한다. 각 장치를 테스트할 때, 우리는 장치의 고장시간과 고장원인으로 추정되는 여러 가지 부속품들을(실제로 고장을 일으키는 부속품을 포함) 관찰한다. 이 연구의 주목적은 이런 부속품들의 신뢰성 추정이다. 이번 연구에서는 가면한 자료에 대한 다양한 형태의 확률 모형을 도출할 것이다. 이 가면 확률 모형은 장치의 고장시간과 실제 고장을 일으킨 부속품이 조건이며, 이러한 조건하에서 고장의 원인이 될 수 있는 부속품들의 집합을 규명하는 조건부확률이다. 또한, 부속품의 생존함수로 지수(exponential)밀도함수를 고려할 것이다. 각 모형에 대하여 Gibbs Sampling을 이용한 베이지안 방법이 이용될 것이다. 예측력을 이용한 새로운 모형선택도 연구될 것이다.

In the masked system lifetime data, the exact component that causes the system s failure is often unknown. For each series system at test, we observe its system s failure time and a set of components that includes the component actually causing the system to fail. In this research we consider exponential probability model for the conditional masking probabilities that identifying the set of possible failed components given the true cause of failure and the system s failure time. A Bayesian approach that uses Gibbs sampling will be developed. Model selection by a new predictive approach will also be developed.