Лучшие вопросы
Таймлайн
Чат
Перспективы
Распределение Вейбулла
абсолютно непрерывная распределения Из Википедии, свободной энциклопедии
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.
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
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:
- В анализе выживаемости
- В надёжности и анализе отказов
- В электротехнике для представления перенапряжения, возникающего в электрических цепях
- В промышленной инженерии
- В теории экстремальных значений

- 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:
- Распределение Вейбулла может быть получено как функция от экспоненциального.
Если — экспоненциальное распределение для параметра , то случайная величина имеет распределение Вейбулла . Для доказательства рассмотрим функцию распределения :
Полученная функция — функция распределения для распределения Вейбулла.
- Метод обратного преобразования: если , то
- .
- 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
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads