回顾
威布尔累积分布为
F
(
t
)
=
1
−
e
x
p
[
−
(
t
η
)
β
]
F(t)=1-exp\left [ -\left ( \frac{t}{\eta } \right )^{\beta } \right ]
F(t)=1−exp[−(ηt)β]
此分布可以用在很多领域(不仅仅是质量可靠性来反映时间长度与故障累积概率)
由前面我们了解到常用最小二乘法用于求得威布尔分布的参数,详情回顾见此
博客威布尔分布的参数估计提到,对于样本
(
x
i
,
F
(
x
i
)
)
(x_i,F(x_i))
(xi,F(xi))的获取,对于可靠性而言:
X是设备发生故障的时间点,这可以从故障数据中获得。假如取100次故障发生的时间点,则:
X = [ x 1 , x 2 , x 3 , … , x 100 ] X = [x_1,x_2,x_3,…,x_{100}] X=[x1,x2,x3,…,x100]
其中 x 1 < x 2 < x 3 < … < x 100 x_1<x_2<x_3<…<x_{100} x1<x2<x3<…<x100
这里故障发生的时间点是按照时间顺序排列的, F ( x i ) F(x_i) F(xi)是截止到时间xi,设备发生故障的概率
显然是没有问题的,因此在按照顺序求和的时候,作为累积概率
F
(
x
i
)
F(x_i)
F(xi)应当是跟着累积的个数均匀递增的,因此理所当然可以设为
F
(
x
i
)
=
i
n
+
1
F(x_i)=\frac{i}{n+1}
F(xi)=n+1i。
但当可靠性之外的适用场景时,自变量
x
i
x_i
xi往往不是按照顺序排布的,因此在不进行排序之前,不能将
F
(
x
i
)
F(x_i)
F(xi)简单的设为
i
n
+
1
\frac{i}{n+1}
n+1i
思路
应当保留
F
(
x
i
)
=
i
n
+
1
F(x_i)=\frac{i}{n+1}
F(xi)=n+1i,因为此时
F
(
x
i
)
F(x_i)
F(xi)是最简单的。个人倾向于在参数估计和直线拟合的时候提前对
x
i
x_i
xi进行排序,再按照前面所说的进行。
其中排序算法可以考虑使用快速排序算法,而且需要每次送来新的样本参加排序。
在初始化完成之后,每次排序只需要最新样本进行排序即可,然后重新迭代更新分布。