Hướng dẫn weibull plot in python - biểu đồ weibull trong python
Bạn có thể. Cả vị trí và độ dốc phụ thuộc vào alpha và beta. Show Nội phân Chính showShow
Bạn có thể thấy điều này bằng cách giải quyết ví dụ cho y = 0,5 và để phân biệt để tìm độ dốc. StackOverflow không thể hiển thị các công thức toán học (latex), do đó các công thức được đưa ra dưới dạng hình ảnh. giá trị x cho y = 0,5: Độ dốc tại x = 1: Chỉnh sửa: Để hoàn thiện, đây là mã hiển thị các biểu đồ:
Thống kê và công cụ học máy ™ sử dụng phân phối Weibull hai tham số với tham số tỷ lệ A và tham số hình B trong đối tượng phân phối xác suất pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]6 và các hàm dành riêng cho phân phối như pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]7 và pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]8. Phân phối Weibull có thể lấy một tham số thứ ba. Phân phối Weibull ba tham số thêm một tham số vị trí bằng không trong trường hợp hai tham số. Nếu X có phân phối Weibull hai tham số, thì Y = X+C có phân phối Weibull ba tham số với tham số vị trí được thêm vào c.a and a shape parameter b in the probability distribution object pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]6 and distribution-specific functions such as pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]7 and pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]8. The Weibull distribution can take a third parameter. The three-parameter Weibull distribution adds a location parameter that is zero in the two-parameter case. If X has a two-parameter Weibull distribution, then Y=X+c has a three-parameter Weibull distribution with the added location parameter c. Hàm mật độ xác suất (PDF) của phân phối Weibull ba tham số trở thành f (x | a, b, c) = {ba (x- ca) b-1Exp (-(x-ca) b) if & nbsp; x> c, 0 if & nbsp; x≤c, Trong đó A và B là giá trị dương và C là một giá trị thực.a and b are positive values, and c is a real value. Nếu tham số tỷ lệ B nhỏ hơn 1, mật độ xác suất của phân phối Weibull tiếp cận vô cực khi X tiếp cận c. Tối đa của hàm khả năng là vô hạn. Phần mềm có thể tìm thấy các ước tính thỏa đáng trong một số trường hợp, nhưng mức tối đa toàn cầu bị thoái hóa khi Bb is less than 1, the probability density of the Weibull distribution approaches infinity as x approaches c. The maximum of the likelihood function is infinite. The software might find satisfactory estimates in some cases, but the global maximum is degenerate when b<1. Ví dụ này cho thấy cách tìm các ước tính khả năng tối đa (MLES) cho phân phối Weibull ba tham số bằng cách sử dụng PDF được xác định tùy chỉnh và hàm pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]9. Ngoài ra, ví dụ giải thích làm thế nào để tránh vấn đề PDF tiếp cận vô cực khi Bb<1. Tải dữ liệuTải tập dữ liệu figure histogram(Weight,8,'Normalization','pdf') hold on x = linspace(0,6000); plot(x,pdf(pd,x),'LineWidth',2) hold off0, chứa các phép đo xe hơi được thực hiện vào những năm 1970 và đầu những năm 1980. Ví dụ này sử dụng các phép đo trọng lượng xe trong biến figure histogram(Weight,8,'Normalization','pdf') hold on x = linspace(0,6000); plot(x,pdf(pd,x),'LineWidth',2) hold off1. Phù hợp với phân phối Weibull hai tham sốXác định PDF tùy chỉnh cho phân phối Weibull ba tham số pd = fitdist(Weight,'Weibull') pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076] Phù hợp với phân phối Weibull ba tham số figure histogram(Weight,8,'Normalization','pdf') hold on x = linspace(0,6000); plot(x,pdf(pd,x),'LineWidth',2) hold off Phân phối Weibull ba tham số phù hợp cho B pd = fitdist(Weight-1500,'Weibull') pd = WeibullDistribution Weibull distribution A = 1711.75 [1543.58, 1898.23] B = 1.99963 [1.70954, 2.33895] figure histogram(Weight-1500,8,'Normalization','pdf') hold on plot(x,pdf(pd,x),'LineWidth',2) hold off Chủ đề liên quan Bạn có thể thấy điều này bằng cách giải quyết ví dụ cho y = 0,5 và để phân biệt để tìm độ dốc.c). Xác định PDF tùy chỉnh cho phân phối Weibull ba tham sốPhù hợp với phân phối Weibull ba tham số f_def = @(x,a,b,c) (x>c).*(b/a).*(((x-c)/a).^(b-1)).*exp(-((x-c)/a).^b); Phân phối Weibull ba tham số phù hợp cho B f = @(x,a,b,c) wblpdf(x-c,a,b); Phù hợp với phân phối Weibull ba tham sốPhân phối Weibull ba tham số phù hợp cho B try mle(Weight,'pdf',f,'Start',[1700 2 1500]) catch ME disp(ME) end pd = fitdist(Weight,'Weibull') 0Chủ đề liên quanc that are higher than the minimum value of figure histogram(Weight,8,'Normalization','pdf') hold on x = linspace(0,6000); plot(x,pdf(pd,x),'LineWidth',2) hold off1, which leads to a zero density for some points, and returns the error. Bạn có thể thấy điều này bằng cách giải quyết ví dụ cho y = 0,5 và để phân biệt để tìm độ dốc. StackOverflow không thể hiển thị các công thức toán học (latex), do đó các công thức được đưa ra dưới dạng hình ảnh. pd = fitdist(Weight,'Weibull') 1giá trị x cho y = 0,5: pd = fitdist(Weight,'Weibull') 2Độ dốc tại x = 1: pd = fitdist(Weight,'Weibull') 3pd = fitdist(Weight,'Weibull') 4Vẽ đồ thị phù hợp với một biểu đồ. pd = fitdist(Weight,'Weibull') 5Biểu đồ phân phối được trang bị phù hợp với biểu đồ tốt. Phân phối Weibull ba tham số phù hợp cho BNếu tham số tỷ lệ B nhỏ hơn 1, thì PDF của phân phối Weibull tiếp cận vô cùng gần giới hạn thấp hơn C (tham số vị trí). Bạn có thể tránh vấn đề này bằng cách chỉ định dữ liệu được kiểm duyệt khoảng thời gian, nếu thích hợp.b is less than 1, the pdf of the Weibull distribution approaches infinity near the lower limit c (location parameter). You can avoid this problem by specifying interval-censored data, if appropriate. Tải tập dữ liệu pd = WeibullDistribution Weibull distribution A = 1711.75 [1543.58, 1898.23] B = 1.99963 [1.70954, 2.33895]0. Dữ liệu bao gồm xếp hạng cho chín chỉ số khác nhau về chất lượng cuộc sống ở 329 thành phố của Hoa Kỳ: khí hậu, nhà ở, y tế, tội phạm, giao thông, giáo dục, nghệ thuật, giải trí và kinh tế. Đối với mỗi chỉ số, xếp hạng cao hơn là tốt hơn. Tìm MLES cho chỉ số thứ bảy (nghệ thuật). pd = fitdist(Weight,'Weibull') 6pd = fitdist(Weight,'Weibull') 7pd = fitdist(Weight,'Weibull') 8Thông điệp cảnh báo chỉ ra rằng ước tính không hội tụ. Sửa đổi các tùy chọn ước tính và tìm lại MLES. Tăng số lượng lặp tối đa ( pd = WeibullDistribution Weibull distribution A = 1711.75 [1543.58, 1898.23] B = 1.99963 [1.70954, 2.33895]1) và số lượng đánh giá chức năng mục tiêu tối đa ( pd = WeibullDistribution Weibull distribution A = 1711.75 [1543.58, 1898.23] B = 1.99963 [1.70954, 2.33895]2). pd = fitdist(Weight,'Weibull') 9pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]0 pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]1 Việc lặp lại vẫn không hội tụ vì PDF tiếp cận vô cực gần giới hạn dưới. Giả sử rằng các chỉ số trong pd = WeibullDistribution Weibull distribution A = 1711.75 [1543.58, 1898.23] B = 1.99963 [1.70954, 2.33895]3 là các giá trị được làm tròn đến số nguyên gần nhất. Sau đó, bạn có thể coi các giá trị trong pd = WeibullDistribution Weibull distribution A = 1711.75 [1543.58, 1898.23] B = 1.99963 [1.70954, 2.33895]3 là các quan sát được kiểm duyệt khoảng thời gian. Một quan sát pd = WeibullDistribution Weibull distribution A = 1711.75 [1543.58, 1898.23] B = 1.99963 [1.70954, 2.33895]5 trong pd = WeibullDistribution Weibull distribution A = 1711.75 [1543.58, 1898.23] B = 1.99963 [1.70954, 2.33895]3 chỉ ra rằng xếp hạng thực tế nằm trong khoảng từ pd = WeibullDistribution Weibull distribution A = 1711.75 [1543.58, 1898.23] B = 1.99963 [1.70954, 2.33895]7 đến pd = WeibullDistribution Weibull distribution A = 1711.75 [1543.58, 1898.23] B = 1.99963 [1.70954, 2.33895]8. Tạo một ma trận trong đó mỗi hàng đại diện cho khoảng thời gian xung quanh mỗi số nguyên trong pd = WeibullDistribution Weibull distribution A = 1711.75 [1543.58, 1898.23] B = 1.99963 [1.70954, 2.33895]3. pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]2 Tìm lại MLES bằng cách sử dụng figure histogram(Weight-1500,8,'Normalization','pdf') hold on plot(x,pdf(pd,x),'LineWidth',2) hold off0. Để phù hợp với phân phối tùy chỉnh cho bộ dữ liệu được kiểm duyệt, bạn phải chuyển cả PDF và CDF cho hàm pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]9. pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]3 pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]4 Chức năng tìm thấy MLE mà không có bất kỳ vấn đề hội tụ nào. Sự phù hợp này dựa trên các xác suất phù hợp với các khoảng thời gian, vì vậy nó không gặp phải vấn đề về mật độ tiếp cận vô cực tại một điểm duy nhất. Bạn chỉ có thể sử dụng phương pháp này khi chuyển đổi dữ liệu thành phiên bản được kiểm duyệt khoảng thời gian là phù hợp. Vẽ kết quả. pd = WeibullDistribution Weibull distribution A = 3321.64 [3157.65, 3494.15] B = 4.10083 [3.52497, 4.77076]5 Biểu đồ phân phối được trang bị phù hợp với biểu đồ tốt. Xem thêm
|