Кумулятивная функция распределения инверсии Weibull
X = wblinv(P,A,B)
[X,XLO,XUP] = wblinv(P,A,B,PCOV,alpha)
X = wblinv(P,A,B)
возвращает обратную кумулятивную функцию распределения (cdf) для распределения Weibull с масштабным коэффициентом A
и сформируйте параметр B
, оцененный в значениях в P
P
A
, и B
могут быть векторы, матрицы или многомерные массивы, что у всех есть тот же размер. Скалярный вход расширен до постоянного массива одного размера с другими входными параметрами. Значения по умолчанию для A
и B
оба 1
.
[X,XLO,XUP] = wblinv(P,A,B,PCOV,alpha)
возвращает доверительные границы для X
когда входные параметры A
и B
оценки. PCOV
матрица 2 на 2, содержащая ковариационную матрицу предполагаемых параметров. alpha
имеет значение по умолчанию 0,05 и задает 100 (1 - alpha
) Доверительные границы %. XLO
и XUP
массивы одного размера с X
содержа более низкие и верхние доверительные границы.
Функциональный wblinv
вычисляет доверительные границы для X
использование нормального приближения к распределению оценки
где q является P
квантиль th от распределения Weibull со шкалой и параметрами формы оба равняется 1. 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.
Инверсия Weibull cdf
Время жизни (в часах) пакета лампочек имеет распределение Weibull параметрами a
= 200 и b =
6
.
Найдите среднее время жизни ламп:
life = wblinv(0.5, 200, 6) life = 188.1486
Сгенерируйте 100 случайных значений от этого распределения и оцените 90-ю процентиль (с доверительными границами) от случайной выборки
x = wblrnd(200,6,100,1); p = wblfit(x) [nlogl,pcov] = wbllike(p,x) [q90,q90lo,q90up] = wblinv(0.9,p(1),p(2),pcov) p = 204.8918 6.3920 nlogl = 496.8915 pcov = 11.3392 0.5233 0.5233 0.2573 q90 = 233.4489 q90lo = 226.0092 q90up = 241.1335