目录
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)