另一个是贝叶斯(Bayesian)学派 υ＇＇ k 变量Y＝InX的平均值μ 1) 3 此时存在如下简化关系 单项性能指标X的变异系数δ 有两大学派 应符合下列规定 ——换算系数的设计值 应符合下列规定 p F.3 当有效数据很少时 x 可基于贝叶斯方法进行设计值估算 可按下式确定 附录F 当采用经典统计方法时 F.3.3 变量Y＝InX的标准差σ x P 可按下式计算 σ＇为先验样本的标准差 y 应符合下列规定 d υ＇＝ 其中 未知时 未知”情况相同 从而将先验信息数学形式化 ——自由度为υ＇＇的t分布函数对应分位值p的自变量值 x 式中 值可由表5给出 }＝p 2 其中“δ 当分位值p＝0.05时 d 单项性能指标设计值统计评估 其设计值X nk p x 一般取标准值的分位值p＝0.05 应符合下列原则 可假定只有很少数据或无先验数据 可按下式计算 δ 当没有关于平均值的先验知识时 一个是经典学派 当n＇＝0时 i 1 p 当已有关于平均值的先验知识时 m＇为先验样本的平均值 取δ(n＇)＝0 当采用贝叶斯法时 u {x＞t 式中 ＝1.645 3) m 具体数值应根据试验结果的应用领域来选定 已知时 式中 P 此时n＇＝0 单项性能指标设计值的统计评估 当根据过去经验可取平均值和标准差为定值时 d m＇ k F.3.2 y F.3.1 η 可按下列公式计算 在统计学中 可基于经典方法进行设计值估算 已知”对应于已知变异系数全部知识的情况 已知”和“δ 当δ 贝叶斯学派的基本观点是 }＝p ——标准值单侧容限系数 当δ x 值可通过试验结果按下列公式计算 {x＞u 其中 可分别按下列公式计算 ——性能X的平均值 x x t 其中δ＇为先验样本的变异系数 并且应该充分利用 1 式中 可按下式计算 未知”两种情况 γ nk 贝叶斯参数估计方法的实质是以先验信息为基础 p 重要的先验信息是可能得到的 n——试验样本数量 2 ——自由度υ＝n－1的t分布函数对应分位值p的自变量值 标准值单侧容限系数k 则n＇和υ＇可取50或更大 单项性能指标设计值的统计评估 并加以利用 3 单项性能X可代表构件的抗力或提供构件抗力的性能 p.υ ——对应分位数p的标准正态分布函数自变量值P 分为“δ 2 “δ 换算系数的评估主要取决于试验类型和材料 υ＇——先验分布参数 对于材料 m＇ 1 p.υ＇＇ t t分布函数对应分位值p＝0.05的自变量值t n＇ Φ σ＇ 2 n＇和υ＇为先验分布参数 υ＇＇ F.3.3 t 取δ(n＇)＝1 计算过程如下 p.υ 在一般情况下 第F.3.3条的所有结论都是以构件的抗力或提供构件抗力的性能服从正态分布或对数正态分布给出的 p x 一般可将先验信息理解为假定的先验试验结果 未知”对应于没有变异系数先验知识的情况 应取n＇和υ＇等于零 d 2) F.3 当性能X服从对数正态分布时 其设计值X σ＇ n＇为先验样本数 这样可能获得较佳的估算值 t 把未知参数θ视为一个已知分布π(θ)的随机变量 4 试验辅助设计 此时贝叶斯法评估结果与经典统计方法的“δ 其设计值X 1 本标准附录F第F.3.2条 ——性能X的变异系数 x μ 在贝叶斯参数估计方法中 nk F.3.2 x ——性能X的第i个试验观测值 可由表6给出 1 ——分项系数 u 标准值单侧容限系数k 当参数n＇＞0时 当性能X服从正态分布时 }＝p x υ＇为先验样本的自由度 先验分布参数n＇和υ＇的确定 2 以实际观测数据为条件的一种参数估计方法 {x＞t nk 当性能X服从正态分布时