Кумулятивная функция распределения Weibull
p = wblcdf(x,a,b)
[p,plo,pup] = wblcdf(x,a,b,pcov,alpha)
[p,plo,pup] = wblcdf(___,'upper')
p = wblcdf(x,a,b) возвращает cdf распределения Weibull с масштабным коэффициентом a и параметр формы b, в каждом значении в x. x, a и b могут быть векторами, матрицами или многомерными массивами, что у всех есть тот же размер. Скалярный вход расширен до постоянного массива, одного размера как другие входные параметры. Значениями по умолчанию для a и b является оба 1. Параметры a и b должны быть положительными.
[p,plo,pup] = wblcdf(x,a,b,pcov,alpha) возвращает доверительные границы для p, когда входные параметры a и b являются оценками. pcov является ковариационной матрицей 2 на 2 предполагаемых параметров. alpha имеет значение по умолчанию 0,05 и задает 100 (1 - alpha) доверительные границы %. plo и pup являются массивами, одного размера как p, содержащий более низкие и верхние доверительные границы.
[p,plo,pup] = wblcdf(___,'upper') возвращает дополнение Weibull cdf для каждого значения в x, с помощью алгоритма, который более точно вычисляет экстремальные верхние вероятности хвоста. Можно использовать 'upper' с любым из предыдущих синтаксисов.
Функциональный wblcdf вычисляет доверительные границы для p с помощью нормального приближения для распределения оценки
и затем преобразовывает те границы к шкале вывода p. Вычисленные границы дают приблизительно желаемый доверительный уровень, когда вы оцениваете mu, sigma и pcov от больших выборок, но в меньших выборках другие методы вычисления доверительных границ могут быть более точными.
Weibull cdf