Abordagem bayesiana de modelos de confiabilidade com algoritmos MCMC

• Processo: 01/09251-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de janeiro de 2002
• Data de Término da vigência: 31 de dezembro de 2003
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Marinho Gomes de Andrade Filho
• Beneficiário: Ricardo Andrecioli
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Inferência bayesiana Amostragem de Gibbs Cadeias de Markov Algoritmos
• Palavra(s)-Chave do Pesquisador: Amostrador De Gibbs | Confiabilidade | Inferencia Bayesiana | Metropolis Hasting | Modelos De Confiabilidade

Resumo

O trabalho consiste resumidamente em propor os usos de algoritmos de simulação de Monte Cario em Cadeia Markov (MCMC) para o cálculo das estimativas bayesianas de parâmetros de modelos de confiabilidade. Os algoritmos utilizados são o amostrador de Gibbs e o algoritmo de Metropolis - Hastings. Os problemas abordados utilizam para modelar os tempos de vida de equipamentos, as distribuições exponenciais com e sem censura nos dados, a distribuição weibull e também são considerados problemas de teste acelerado. A análise destaca o uso de densidades a priori informativa e não informativa e o efeito de parametrizações na eficiência dos algoritmos. Todos os resultados são comparados com as estimativas clássicas de máxima verossimilhança. (AU)