威布尔分布用于其他场景时的具体参数估计

回顾

威布尔累积分布为
$$F(t)=1-exp\left[-{\left(\frac{t}{\eta }\right)}^{\beta }\right]$$
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$(x_i,F(x_i))$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：

$$X=[x_1,x_2,x_3,\dots ,x_{100}]$$

其中$$x_1<x_2<x_3<\dots <x_{100}$$

这里故障发生的时间点是按照时间顺序排列的，$F(x_i)$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$F(x_i)$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$F(x_i)=\frac{i}{n+1}$。
但当可靠性之外的适用场景时，自变量$x_i$往往不是按照顺序排布的，因此在不进行排序之前，不能将$F(x_i)$简单的设为$\frac{i}{n+1}$

思路

应当保留$F(x_i)=\frac{i}{n+1}$，因为此时$F(x_i)$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$x_i$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。