威布尔分布用于其他场景时的具体参数估计
回顾
威布尔累积分布为
F(t)=1−exp[−(tη)β]F(t)=1-exp\left [ -\left ( \frac{t}{\eta } \right )^{\beta } \right ]F(t)=1−exp[−(ηt)β]
此分布可以用在很多领域(不仅仅是质量可靠性来反映时间长度与故障累积概率)
由前面我们了解到常用最小二乘法用于求得威布尔分布的参数,详情回顾见此
博客威布尔分布的参数估计提到,对于样本(xi,F(xi))(x_i,F(x_i))(xi,F(xi))的获取,对于可靠性而言:
X是设备发生故障的时间点,这可以从故障数据中获得。假如取100次故障发生的时间点,则:
X=[x1,x2,x3,…,x100]X = [x_1,x_2,x_3,…,x_{100}]X=[x1,x2,x3,…,x100]
其中x1<x2<x3<…<x100x_1<x_2<x_3<…<x_{100}x1<x2<x3<…<x100
这里故障发生的时间点是按照时间顺序排列的,F(xi)F(x_i)F(xi)是截止到时间xi,设备发生故障的概率
显然是没有问题的,因此在按照顺序求和的时候,作为累积概率F(xi)F(x_i)F(xi)应当是跟着累积的个数均匀递增的,因此理所当然可以设为F(xi)=in+1F(x_i)=\frac{i}{n+1}F(xi)=n+1i。
但当可靠性之外的适用场景时,自变量xix_ixi往往不是按照顺序排布的,因此在不进行排序之前,不能将F(xi)F(x_i)F(xi)简单的设为in+1\frac{i}{n+1}n+1i
思路
应当保留F(xi)=in+1F(x_i)=\frac{i}{n+1}F(xi)=n+1i,因为此时F(xi)F(x_i)F(xi)是最简单的。个人倾向于在参数估计和直线拟合的时候提前对xix_ixi进行排序,再按照前面所说的进行。
其中排序算法可以考虑使用快速排序算法,而且需要每次送来新的样本参加排序。
在初始化完成之后,每次排序只需要最新样本进行排序即可,然后重新迭代更新分布。
威布尔分布用于其他场景时的具体参数估计相关推荐
- 人工智能数学基础--概率与统计14:连续随机变量的指数分布、威布尔分布和均匀分布
一.引言 在<人工智能数学基础–概率与统计12:连续随机变量的概率密度函数以及正态分布>介绍了连续随机变量概率分布及概率密度函数以及正态分布,<人工智能数学基础–概率与统计13:连续 ...
- 使用EXCEL快速实现二参数威布尔分布拟合
最近我在公司里做了一个小项目,帮助产品部门建立一个数据模型来预测产品的维修率和返修成本,其中有一步需要估计二参数威布尔分布的参数.在网上看了一些论文,威布尔参数估计的方法有很多种,比如常见的有极大似然 ...
- 《电子元器件的可靠性》——2.5节威布尔分布及其概率纸的结构和用法
本节书摘来自华章社区<电子元器件的可靠性>一书中的第2章,第2.5节威布尔分布及其概率纸的结构和用法,作者王守国,更多章节内容可以访问云栖社区"华章社区"公众号查看 2 ...
- Weibull分布(韦伯分布、威布尔分布)
本文转载自: https://www.cnblogs.com/wwxbi/p/6141501.html 作者:wwxbi 转载请注明该声明. log函数 从概率论和统计学角度看,Weibull Dis ...
- 威布尔分布及其性质与数字特征
文章目录 0. 背景 1. 威布尔分布 1.1 概率密度函数表达式 1.2 累积分布函数 2. 相关性质及数字特征 3. 伽马函数及其性质 3.1 伽马函数的定义 3.2 伽马函数的性质 0. 背景 ...
- Python威布尔分布
文章目录 威布尔分布及其性质 在Python中生成威布尔分布的随机数 指数分布和拉普拉斯分布的对比 威布尔分布及其性质 威布尔分布,即Weibull distribution,又被译为韦伯分布.韦布尔 ...
- java实现威布尔分布_威布尔分布下小样本P-S-N曲线拟合方法
摘要 为拟合疲劳寿命服从威布尔分布的小样本P-S-N(失效概率-应力-循环次数)曲线,提出了小样本疲劳寿命试验数据统计分析与P-S-N曲线拟合方法.根据疲劳寿命均值和标准差与应力水平的线性关系,基于已 ...
- 威布尔分布拟合/威布尔参数估计Matlab函数
背景 关于威布尔分布的介绍和最小二乘法拟合方法已在此博客介绍,此处不再赘述. Matlab代码 使用方法为 [威布尔参数beta,威布尔参数eta]=Weibullfit(样本数组s,样本个数n) % ...
- R可视化绘制威布尔分布(Weibull Distribution)
R可视化绘制威布尔分布(Weibull Distribution) 韦布尔分布,即韦伯分布(Weibull distribution),又称韦氏分布或威布尔分布,是可靠性分析和寿命检验的理论基础. 威 ...
最新文章
- 斯坦福大学开发自主无人机摄影的算法,可显著提高电影中无人机镜头品质
- 大数据虚拟化零起点-4基础运维第三步-部署vCenter Server Virtual Appliance 5.1
- 2019年云计算发展状态
- python3.6入门到高阶(全栈) day015 初识面向对象
- android调用系统相机图片不旋转,Android 处理调用系统相机生成的被旋转图片
- java父类转子类_java中什么是继承,和继承的接口的关系?
- 作者:钱卫宁,华东师范大学数据科学与工程研究院教授、博士生导师。
- android应用开发---(第1章)android基础学习之六大Layout布局
- 用cin解决有时输入两个,有时输三个变量
- java用多线程实现爬虫_JAVA 多线程爬虫实例详解
- 物流配送信息管理系统java_基于jsp的物流配送管理系统-JavaEE实现物流配送管理系统 - java项目源码...
- 进度计划中的时间相关术语
- 项目实战系列——使用python实现AHP层次分析法
- 小程序汉字拼音的解决思路
- Linux内核抢占机制(preempt)
- 是选择决定了你的一生,而不是努力
- C#控件篇 - 图表控件chart - 添加辅助边界线条
- 《为爱而生》 | 第一集:遇见学姐
- linux7.0安装中文包,Centos7使用yum命令安装中文语言包
- 前端技术——3——浮动与定位
热门文章
- 第三方JavaScript的用法
- Spring Boot 实现万能文件在线预览-开源学习一
- 第一站仿小红书图片裁剪控件,深度解析大厂炫酷控件
- 成长型企业想要数字化转型?第三代英特尔️至强️可扩展平台给你高效、灵活的底气
- 为什么中年男人爱出轨?
- python 环境隔离 virtualenv workon设置环境变量mac windows
- Excel教程:为什么我的透视表没法计数、排序、组合?
- 无法删除docker目录(rm: 无法删除/var/lib/docker/overlay/XXXXXXXXXXXXXX/merged: 设备或资源忙)
- CAN/WIFI转换器 LCWLAN-600/622的功能和应用
- 异步io解决c10k问题