参数估计-Weibull分布-两参数估计迭代算法

参数估计-Weibull分布-两参数估计迭代算法常用于为失效时间数据建模。例如,一个制造商希望计算某个部件在一年、两年或更多年后失效的概率。此分布广泛地应用于工程、医学研究、金融和气候学。Weibull分布由形状、尺度和阈值等参数描述。阈值参数为零的情况称为2参数Weibull分布。只为非负变量定义此分布。取决于参数的值,Weibull分布可以具有各种形状。这种分布的主要优点之一在于它可以具有其他类型分布的特征,从而…

大家好,欢迎来到IT知识分享网。参数估计-Weibull分布-两参数估计迭代算法"

常用于为失效时间数据建模。例如,一个制造商希望计算某个部件在一年、两年或更多年后失效的概率。此分布广泛地应用于工程、医学研究、金融和气候学。
Weibull 分布由形状、尺度和阈值等参数描述。阈值参数为零的情况称为 2 参数 Weibull 分布。只为非负变量定义此分布。
取决于参数的值,Weibull 分布可以具有各种形状。

这种分布的主要优点之一在于它可以具有其他类型分布的特征,从而在拟合不同类型的数据时极其灵活。

一般在可靠性分析中使用

常见数学统计算法包内包含各种分布的pdf,cdf,参数估计却很少提供,但是项目中必须要用,所以实现了一个经过优化的迭代算法(C#版本)

(其中有使用Gamma函数,正态分布等,比较常见,此处代码不提供了)



public

sealed

class
WeibullDistribution
{


///
形状参数



private

double
_alpha;

///
尺度参数



private

double
_beta;

///
正交化分布(方便计算)



private

double
_norm;


///

<summary>


///
创建一个分布

///

</summary>


///

<param name=”shape”></param>


///

<param name=”scale”></param>



public
WeibullDistribution(
double
shape,
double
scale)
{


if
(shape
<=

0
)

throw

new
ArgumentOutOfRangeException(


Shape parameter must be positive

);

if
(scale
<=

0
)

throw

new
ArgumentOutOfRangeException(


Scale parameter must be positive

);
DefineParameters(shape, scale);
}

public

double
ln(
double
x) {
return
Math.Log(x, Math.E); }


public

double
SigmaLnXi(IList
<
double
>
doubles)
{


double
sum
=

0
;

foreach
(var item
in
doubles)
{

sum

+=
ln(item);
}

return
sum;
}


public

double
SigmaPowXi(IList
<
double
>
doubles,
double
beta0)
{


double
sum
=

0
;

foreach
(var item
in
doubles)
{

sum

+=
Math.Pow(item, beta0);
}

return
sum;

}


public

double
SigmaPowXi2(IList
<
double
>
doubles,
double
beta0)
{


double
sum
=

0
;

foreach
(var item
in
doubles)
{

sum

+=
Math.Pow(item, beta0)
*
ln(item);
}

return
sum;

}

///

<summary>


///
使用迭代计算数值解进行威布尔参数估计

///

</summary>


///

<param name=”datas”></param>



public
WeibullDistribution(IList
<
double
>
datas)
{


//
参数估计


NumericalVariable n
=

new
NumericalVariable(datas);

double
xbar
=
n.Mean;

double
sd
=
n.StandardDeviation;

double
E
=

0.001
;


double
b0
=

1.2

*
xbar
/
sd;

double
b
=
b0;

double
Beta
=

int
.MaxValue;

//
迭代计算beta



while
(Math.Abs(Beta

b)
>=
E)
{

Beta

=

1.0

/
((SigmaPowXi2(datas, b)
/
SigmaPowXi(datas, b))

(
1.0

/
datas.Count
*
SigmaLnXi(datas)));
b

=
(Beta
+
b)
/

2
;
}

//


//
计算Alpha



double
Alpha
=
Math.Pow(
1.0

/
datas.Count
*
SigmaPowXi(datas, Beta),
1.0

/
Beta);
DefineParameters(Beta, Alpha);
}


public

double
Average
{


get
{
return
Fn.Gamma(
1

/
_alpha)
*
_beta
/
_alpha; }


set

{


throw

new
InvalidOperationException(


Can not set average on Weibull distribution

);
}
}





public

void
DefineParameters(
double
shape,
double
scale)
{

_alpha

=
shape;
_beta

=
scale;
_norm

=
_alpha
/
Math.Pow(_beta, _alpha);
}





public

double
DistributionValue(
double
x)
{


return

1.0


Math.Exp(

Math.Pow(x
/
_beta, _alpha));
}





public

string
Name
{


get
{
return


Weibull distribution

; }
}




public

double
[] Parameters
{


get
{
return

new

double
[] { _alpha, _beta }; }

set
{ DefineParameters(value[
0
], value[
1
]); }
}





public

double
InverseDistributionValue(
double
x)
{


return
Math.Pow(

Math.Log(
1


x),
1.0

/
_alpha)
*
_beta;
}





public

override

string
ToString()
{


return

string
.Format(

Weibull distribution ({0:####0.00000},{1:####0.00000})

, _alpha, _beta);
}





public

double
Value(
double
x)
{


return
_norm
*
Math.Pow(x, _alpha


1
)
*
Math.Exp(

Math.Pow(x
/
_beta, _alpha));
}





public

double
Variance
{


get

{


double
s
=
Fn.Gamma(
1

/
_alpha);

return
_beta
*
_beta
*
(
2

*
Fn.Gamma(
2

/
_alpha)


s
*
s
/
_alpha)
/
_alpha;
}
}

}

转载于:https://www.cnblogs.com/juzisk/archive/2011/07/07/2098910.html

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/10398.html

(0)

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信