摘要：在测试性综合评估研究中,故障检测率（Fault detection rate,FDR）/故障隔离率（Fault isolation rate,FIR）评估结论置信度低是一个非常重要的问题,而导致其评估结论置信度低的主要原因是故障检测/隔离数据为＂小子样＂数据,为解决该问题,建立在Bayes变动统计理论基础上的模型和方法是非常有效的。利用丰富的可更换单元测试性信息、专家经验等先验信息,确定先验分布参数,实现了将先验信息转化为多元Dirichlet先验分布。在此基础上,基于Bayes变动统计理论研究并建立FDR/FIR综合评估模型,保证＂小子样、异总体＂阶段性增长试验数据和＂小子样＂外场使用数据能被有效地融合,并采用仿真方法对模型的稳健性进行分析。结果表明该FDR/FIR综合评估模型和方法,能在小样本数据情况下,有效提高评估结论置信度,缩短装备定型周期,为装备测试性综合评估研究提供重要的理论依据和方法。

关键词：测试性 综合评估 变动统计理论 dirichlet分布 稳健性 

单位：第二炮兵工程大学302教研室，西安710025