weibull分布的几种形式

目录

0-不同函数之间的关系

1-weibull分布第一种形式

2-weibull分布第二种形式：

 3.weibull分布第三种形式

4.一个有帮助小推导

5.参考 

---

0-不同函数之间的关系

自己可以利用下述函数之间的关系推导一下的，很简单！

有用的关系：

f(t)=h(t)S(t)

h(t)=dH(t)/dt  <===>  H(t)=∫h(u)du

S(t)=exp{-H(t)}  <===> H(t)=-log(S(t))

F(t)=1-S(t)

1-weibull分布第一种形式

参数化累积风险函数H(t)=\lambda t^{p}

来自：survival analysis A self-Learning Text P295

2-weibull分布第二种形式：

参数化累积风险函数H(t)=(\lambda t)^{p}， 而不是H(t)=\lambda t^{p}

 来源：https://web.stanford.edu/~lutian/coursepdf/slideweek1.pdf

 3.weibull分布第三种形式

是由R中的stats::rweibull()函数给出的，这个函数用于产生weibull分布的随机数。看一下它的帮助文件，发现的密度函数是如下这个形式，显然对scale参数 参数化了。

 可以将本文的参数符号统一一下，即scale参数使用lambda来表示，shape函数使用alpha表示，可以很容易发现这三个weibull分布形式上的差异，对于第三种形式，先统一Weibull分布两个参数scale和shape的符号，scale参数用lambda表示，shape参数用alpha表示，把上述f(x)使用新的统一的符号表示，会发现，参数化lambda= 1/\lambda之后，是第二种形式的密度函数。

值得注意的是，使用的R包时，先确定它的密度函数中scale和shape参数是如何设置的。

4.一个有帮助小推导

很简单的

5.参考 

https://web.stanford.edu/~lutian/coursepdf/unit1.pdf （小节1和2的出处，文章中明确写了再参数化）

Mean survival time of a Weibull distribution - Cross Validated （小节4的出处）

在RStudio console中键入 ?rweibull() 会弹出这个函数的帮助文件（小节3的出处）