2026a

# wblfit

Weibull 参数估计

函数库: TyStatistics

# 语法

parmHat, = wblfit(x)

parmHat,parmCI, = wblfit(x)

parmHat,parmCI, = wblfit(x,alpha)

___ = wblfit(x,alpha,censoring)

___ = wblfit(x,alpha,censoring,freq)

# 说明

parmHat = wblfit(x) 给定 x 中的样本数据，返回 Weibull 分布参数（形状和尺度）的估计值。示例

parmHat,parmCI = wblfit(x) 还返回参数估计的 95% 置信区间。示例

parmHat,parmCI = wblfit(x,alpha) 将置信区间的置信水平指定为 100(1-alpha)%。

___ = wblfit(x,alpha,censoring)指定 x 中的每个值是否经过右删失。使用逻辑向量删失，其中 1 表示右删失的观察值，0 表示完全观察到的观察值。

___ = wblfit(x,alpha,censoring,freq)指定观察的频率或权重。

# 示例

威布尔分布的估计参数

从 Weibull 分布生成 100 个随机数，尺度参数为 0.8，形状参数为 3。

using TyStatistics
x = wblrnd(0.8,3,100,1);

根据数据估计 Weibull 分布的参数。

parmHat, = wblfit(x)

parmHat = 1×2 Matrix{Float64}:
 0.796015  3.02721

用置信区间估计 Weibull 分布的参数

从具有尺度参数 1 和形状参数 2 的 Weibull 分布生成 100 个随机数。

using TyMath
using TyStatistics
rng = MT19937ar(5489)
x = wblrnd(rng,1,2,100,1);

从数据中找出估计 Weibull 分布参数的 95% 置信区间。

parmHat,parmCI = wblfit(x)

parmHat = 1×2 Matrix{Float64}:
 1.81884  0.981095

parmCI = 2×2 Matrix{Float64}:
 1.47321  0.841028
 2.24556  1.14449

parmCI 的顶行包含置信区间的下限，底行包含置信区间的上限。

# 输入参数

x — 样本数据

向量

样本数据，指定为向量。

alpha — 显著性水平

0.05 （默认） | 范围 (0,1) 内的标量值

置信区间的显着性水平，指定为 (0,1) 范围内的标量。置信水平为 100(1—alpha)%，其中 alpha 是置信区间不包含真值的概率。

示例： 0.01

数据类型： Float32 |Float64 |Int8 |Int16 |Int32 |Int64 |Int128 |UInt8 |UInt16 |UInt32 |UInt64 |UInt128

censoring — 审查指标

0 数组（默认）| 逻辑向量

用于审查 x 中每个值的指标，指定为与 x 大小相同的逻辑向量。使用 1 表示右删失的观察值，使用 0 表示完全观察到的观察值。

默认值为 0 数组，这意味着所有观察结果都被完全观察到。

数据类型： Bool

freq — 观察的频率或权重

1 的数组（默认） | 非负向量

观察的频率或权重，指定为与 x 大小相同的非负向量。 freq 输入参数通常包含 x 中相应元素的非负整数计数，但可以包含任何非负值。

要获得带有删失的数据集的加权 MLE，请指定观察权重，标准化为 x 中的观察数。

默认值为 1 的数组，表示 x 的每个元素一个观察值。

数据类型： Float32 |Float64 |Int8 |Int16 |Int32 |Int64 |Int128 |UInt8 |UInt16 |UInt32 |UInt64 |UInt128

# 输出参数

parmHat — 参数估计

1×2 行向量

Weibull 分布的参数 a（尺度）和 b（形状）的估计，以行向量形式返回。

parmCI - 参数的置信区间

2×2 矩阵

Weibull 分布的平均参数的置信区间，以 2×2 矩阵向量形式返回，其中包含 100(1-alpha)% 置信区间的下限和上限。

第一行和第二行分别对应置信区间的下限和上限。

# 另请参阅

# 主题

Weibull 分布