韦伯分布(Weibull distribution) 一般用来统计可靠性或寿命检验时用,例如:预计在有效寿命阶段有多少次保修索赔?预计将在 8 小时老化期间失效的保险丝占多大百分比?
在管理科学与工程领域,见到一些学者假定产品的需求为韦伯分布。因为正态分布或者泊松分布过于理想化,韦伯分布相对来说更接近现实一些(从概率密度函数来看,韦伯分布一般具有长尾分布,即右偏分布的特点)。
韦伯分布的概率密度函数为:
其中, x x x 是随机变量, λ \lambda λ 是比例参数(scale), k k k 是形状参数(shape),当 k = 1 k=1 k=1 时,韦伯分布是指数分布。而如果 λ = 1 \lambda=1 λ=1 时,则称为最小化的韦伯分布(weibull_min,python 中的 scipy 所带,此时 − x -x −x 对应的分布为最大化的韦伯分布,weibull_max,普通韦伯分布在 scipy 中的名称为 expo