Лучшие вопросы
Таймлайн
Чат
Перспективы

Распределение Вейбулла

абсолютно непрерывная распределения Из Википедии, свободной энциклопедии

Распределение Вейбулла
Remove ads

Распределе́ние Ве́йбулла в теории вероятностей — двухпараметрическое семейство абсолютно непрерывных распределений. Названо в честь Валодди Вейбулла, детально охарактеризовавшего его в 1951, хотя впервые его определил Фреше в 1927, а применено оно было ещё в 1933 для описания распределения размеров частиц.

Краткие факты Распределение Вейбулла, Обозначение ...
Remove ads

Определение

Суммиров вкратце
Перспектива

Пусть распределение случайной величины задаётся плотностью , имеющей вид:

Тогда говорят, что имеет распределение Вейбулла. Пишут: .

Если величину X принять за наработку до отказа, тогда получается распределение, в котором интенсивность отказов пропорциональна времени. Тогда:

  • k < 1 показывает, что интенсивность отказов уменьшается со временем
  • k = 1 показывает, что интенсивность отказов не меняется со временем
  • k > 1 показывает, что интенсивность отказов увеличивается со временем

В материаловедении коэффициент k известен как модуль Вейбулла.

Remove ads

Свойства

Суммиров вкратце
Перспектива

Функция плотности

Вид функции плотности распределения Вейбулла сильно зависит от значения k. Для 0 < k < 1 плотность стремится к бесконечности при и строго убывает. Для k = 1 плотность стремится к 1/λ при и строго убывает. Для k > 1 плотность стремится к 0 при , возрастает до достижения своей моды и убывает после. Плотность имеет бесконечный отрицательный угловой коэффициент в x = 0 при 0 < k < 1 , бесконечный положительный угловой коэффициент в x = 0 при 1 < k < 2, и нулевой угловой коэффициент в x = 0 при k > 2. При k = 2 плотность имеет конечный положительный угловой коэффициент в x = 0. При распределение Вейбулла сходится к дельта-функции, центрированной в x = λ. Кроме того, коэффициент асимметрии и коэффициент вариации зависят только от коэффициента формы.

Функция распределения

Функция распределения Вейбулла:

при x ≥ 0, и F(x; k; λ) = 0 при x < 0

Квантиль распределения Вейбулла:

при 0 ≤ p < 1.

Интенсивность отказов h:

Remove ads

Моменты

Суммиров вкратце
Перспектива

Производящая функция моментов логарифма случайной величины, имеющей распределение Вейбулла

где Γ — это гамма-функция. Аналогично, Характеристическая функция логарифма X задаётся

Моменты случайной величины , имеющей распределение Вейбулла имеют вид

, где  — гамма-функция,

откуда

,
.

Коэффициент асимметрии задаётся функцией

Коэффициент эксцесса

где , так же может быть записан:

Производящая функция моментов

Существует множество выражений для производящей функции моментов самой

Так же можно работать непосредственно с интегралом

Если коэффициент k предполагается рациональным числом, выраженным k = p/q, где p и q целые, то интеграл может быть вычислен аналитически.[1] С заменой t на -t, получается

где G — это G-функция Мейера.

Информационная энтропия

Информационная энтропия задаётся таким образом

где  — это Постоянная Эйлера — Маскерони.

Оценка коэффициентов

Наибольшее правдоподобие

Оценка максимального правдоподобия для коэффициента

Для

Remove ads

Условная функция надёжности Вейбулла

Суммиров вкратце
Перспектива

Для 2-х параметрического распределения Вейбулла функция имеет вид:

или

Для 3-х параметрического:

Она называется условной, потому что показывает вероятность того, что объект проработает ещё времени при условии, что он уже проработал .

Remove ads

График Вейбулла

Суммиров вкратце
Перспектива

Данные распределения Вейбулла визуально могут быть оценены с использованием графика Вейбулла[2] . Это график типа Q-Q выборочной функции распределения со специальными осями. Оси — и Причина изменения переменных в том, что выборочная функция распределения Вейбулла может быть представлена в линейном виде

Поэтому если данные получены из распределения Вейбулла, на графике Вейбулла можно ожидать прямую линию.

Есть множество способов получения выборочной функции распределения из данных: один из методов заключается в том, чтобы получить вертикальную координату каждой точки, используя , где  — это ранг точки данных, а  — это общее количество точек.[3]

Remove ads

Использование

Распределение Вейбулла используется:

Thumb
Соответствие функции распределения Вейбулла выпавшей за один день годовой норме дождей
  • В прогнозировании погоды
    • Для описания распределения скорости ветра как распределения, обычно совпадающего с распределением Вейбулла в ветроэнергетике
  • В радиолокационных системах для моделирования дисперсии уровня принимаемого сигналов, создаваемой некоторыми типами помех
  • В моделировании замирания сигнала в беспроводных коммуникациях
  • В прогнозировании технологических изменений
  • В гидрологии распределение Вейбулла применимо к экстремальным событиям, таким как выпадение годовой нормы дождей за день или разливу реки. На рисунке показано такое соответствие, а также 90 % доверительный интервал, основанный на биномиальном распределении.
  • В описании размера частиц, полученных путём размельчения, помола или дробления
  • Из-за доступности используется в электронных таблицах, когда основное поведение в действительности лучше описывается распределением Эрланга
Remove ads

Связь с другими распределениями

Суммиров вкратце
Перспектива
  • 3-параметрическое распределение Вейбулла. Имеет функцию плотности

где и f(x; k, λ, θ) = 0 при x < θ, где  — коэффициент формы,  — коэффициент масштаба и  — коэффициент сдвига распределения. Когда θ=0, оно сводится к 2-х параметрическому распределению Вейбулла.

  • 1-параметрическое распределение Вейбулла. Выводится предполагая и — константа:

Если  — экспоненциальное распределение для параметра , то случайная величина имеет распределение Вейбулла . Для доказательства рассмотрим функцию распределения :

Полученная функция — функция распределения для распределения Вейбулла.

.
  • С распределением Фреше: если , то .
  • С распределением Гумбеля: если , то .
  • Распределение Рэлея — частный случай распределения Вейбулла при и [4]
  • Распределение Вейбулла является частным случаем обобщённого распределения экстремальных значений[5]
  • Впервые распределение Вейбулла было применено для описания распределения размера частиц. Широко использовалось в обогащении полезных ископаемых при измельчении. В этом контексте функция распределения имеет вид

где

: Размер частицы
: 80-й процентиль распределения размера частиц
: Коэффициент, описывающий размах распределения
Remove ads

Примечания

Литература

Ссылки

Loading related searches...

Wikiwand - on

Seamless Wikipedia browsing. On steroids.

Remove ads