非审查(完整)数据集
我试图使用scipy.stats.weibull_min.fit()函数来拟合一些生命数据。生成的示例数据包含在values中。在values = np.array(
[10197.8, 3349.0, 15318.6, 142.6, 20683.2,
6976.5, 2590.7, 11351.7, 10177.0, 3738.4]
)
我尝试使用函数拟合:
^{pr2}$
结果是:(1.3392877335100251, -277.75467055900197, 9443.6312323849124)
这与1.4和10000的标称β和eta值相差不远。在
右删失数据
威布尔分布以其处理正确的删失数据的能力而闻名。这使得它对于可靠性分析非常有用。如何处理scipy.stats中的正确审查数据?也就是说,曲线拟合还没有经历过失败的数据?在
输入表单可能如下所示:values = np.array(
[10197.8, 3349.0, 15318.6, 142.6, np.inf,
6976.5, 2590.7, 11351.7, 10177.0, 3738.4]
)
或者使用np.nan或者简单地使用0。在
这两个np解决方案都抛出了RunTimeWarnings,而且绝对没有接近正确的值。我使用数值-例如0和-1-删除了RunTimeWarning,但是返回的参数显然有缺陷。在
其他软件
在一些可靠性或寿命分析软件(minitab,lifelines)中,需要有两列数据,一列是实际数字,另一列是指示项目是否失败。例如:values = np.array(
[10197.8, 3349.0, 15318.6, 142.6, 0,
6976.5, 2590.7, 11351.7, 10177.0, 3738.4]
)
censored = np.array(
[True, True, True, True, False,
True, True, True, True, True]
)
我在文档中没有看到这样的路径。在