Resumen

Ante el reducido tamaño de la muestra de datos de prueba de municiones de combate y la dificultad para prever la demanda de municiones de combate, se propone un método de inferencia bayesiana basado en la distribución multinomial. En primer lugar, considerando los diferentes grados de daño de las municiones que impactan en los objetivos, los resultados de daño se aproximan como una distribución multinomial, y se establece un modelo de inferencia bayesiana de la demanda de municiones basado en la distribución multinomial, lo que proporciona una base teórica para prever la demanda de municiones de daños multigrado en condiciones de muestras pequeñas. En segundo lugar, se selecciona la distribución de Dirichlet conjugada de la distribución multinomial como distribución previa, y se introduce la teoría de la evidencia de DempsterShafer (teoría D-S) para fusionar información previa de múltiples fuentes. La inferencia bayesiana se realiza a través del método de Monte Carlo de cadena de Markov basado en el muestreo de Gibbs,

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Tamaño de muestra pequeño; Municiones de combate; Método de inferencia bayesiana; Distribución multinomial; Demanda de municiones; Grados de daño
• Keywords:Small sample size; Combat ammunition; Bayesian inference method; Multinomial distribution; Ammunition demand; Damage grades