威布尔weibull distribution

data = wblrnd(0.5,0.8,100,1);

生成威布尔随机函数，尺寸参数为0.5，形状参数为0.8，生成数列100行，一列；

parmhat = wblfit(data)

对data的进行威布尔拟合，返回拟合的两个值

翻译了一下：[PARMHAT,PARMCI] = WBLFIT(X,ALPHA,CENSORING)。给定右截尾样本数据Ｘ，计算Weibull分布在取尺度参数Ａ，形状参数Ｂ的极大似然估计及其置信度为100(1-ALPHA)区间估计。其中，CENSORING是与Ｘ同尺寸的０或１构成的向量。

[PARMHAT,PARMCI]= WBLFIT(X,ALPHA,CENSORING,FREQ) 。给定右截尾样本数据Ｘ，计算Weibull分布在取尺度参数Ａ，形状参数Ｂ的极大似然估计及其置信度为100(1-ALPHA)区间估计。其中，CENSORING是与Ｘ同尺寸的０或１构成的向量，FREQ为截尾样本X所对应的观察频数。

0个样本，70小时定时截尾，6个样本发生故障，数据为10，20，35，52，56，63，然后我定义：

data=[10，20，35，52，56，63，70，70，70，70]，
censoring=[0，0，0，0，0，0，1，1，1，1]

然后运行[a,b]=wblfit（data,0.05,censoring）得出结果

a =
   74.6426    1.6194
b =
   44.5897    0.7795
  124.9509    3.3645

a为平均寿命和形状参数，b为寿命的置信区间和形状参数的置信区间，

最后

以上就是斯文石头为你收集整理的威布尔weibull distribution的全部内容，希望文章能够帮你解决威布尔weibull distribution所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。