Rozkład Weibulla

Rozkład Weibulla (dwuparametrowy)
Gęstość prawdopodobieństwa
Ilustracja
Dystrybuanta
Ilustracja
Parametry

λ > 0 {\displaystyle \lambda >0} parametr skali (liczba rzeczywista)
k > 0 {\displaystyle k>0} parametr kształtu (liczba rzeczywista)

Nośnik

x [ 0 ; + ) {\displaystyle x\in [0;+\infty )}

Gęstość prawdopodobieństwa

( k / λ ) ( x / λ ) ( k 1 ) e ( x / λ ) k {\displaystyle (k/\lambda )(x/\lambda )^{(k-1)}e^{-(x/\lambda )^{k}}}

Dystrybuanta

1 e ( x / λ ) k {\displaystyle 1-e^{-(x/\lambda )^{k}}}

Wartość oczekiwana (średnia)

λ Γ ( 1 + 1 k ) {\displaystyle \lambda \Gamma \left(1+{\frac {1}{k}}\right)}

Mediana

λ ( ln 2 ) 1 / k {\displaystyle \lambda (\ln 2)^{1/k}}

Moda

λ ( k 1 k ) 1 k {\displaystyle \lambda \left({\frac {k-1}{k}}\right)^{\frac {1}{k}}} dla k > 1 {\displaystyle k>1}

Wariancja

λ 2 Γ ( 1 + 2 k ) μ 2 {\displaystyle \lambda ^{2}\Gamma \left(1+{\frac {2}{k}}\right)-\mu ^{2}}

Współczynnik skośności

Γ ( 1 + 3 k ) λ 3 3 μ σ 2 μ 3 σ 3 {\displaystyle {\frac {\Gamma (1+{\frac {3}{k}})\lambda ^{3}-3\mu \sigma ^{2}-\mu ^{3}}{\sigma ^{3}}}}

Kurtoza

6 Γ 1 4 + 12 Γ 1 2 Γ 2 3 Γ 2 2 4 Γ 1 Γ 3 + Γ 4 [ Γ 2 Γ 1 2 ] 2 {\displaystyle {\tfrac {-6\Gamma _{1}^{4}+12\Gamma _{1}^{2}\Gamma _{2}-3\Gamma _{2}^{2}-4\Gamma _{1}\Gamma _{3}+\Gamma _{4}}{[\Gamma _{2}-\Gamma _{1}^{2}]^{2}}}}

Entropia

γ ( 1 1 k ) + ln ( λ k ) + 1 {\displaystyle \gamma \left(1\!-\!{\frac {1}{k}}\right)+\ln \left({\frac {\lambda }{k}}\right)+1}

Odkrywca

Waloddi Weibull (1939, 1951)

Rozkład Weibullaciągły rozkład prawdopodobieństwa często stosowany w analizie przeżycia do modelowania sytuacji, gdy prawdopodobieństwo śmierci/awarii zmienia się w czasie.

Może on w zależności od parametrów przypominać zarówno rozkład normalny (dla dużych k {\displaystyle k} ), jak i rozkład wykładniczy (sprowadza się do niego dla k = 1 {\displaystyle k=1} ).

Parametr k {\displaystyle k} rozkładu określa zachowanie prawdopodobieństwa awarii (śmierci) w czasie:

  • dla k < 1 {\displaystyle k<1} prawdopodobieństwo awarii (śmierci) maleje z czasem. W przypadku modelowania awarii urządzenia sugeruje to, że egzemplarze mogą posiadać wady fabryczne i powoli wypadają z populacji,
  • dla k = 1 {\displaystyle k=1} (rozkład wykładniczy) prawdopodobieństwo jest stałe. Sugeruje to, że awarie mają charakter zewnętrznych zdarzeń losowych,
  • dla k = 2 {\displaystyle k=2} (rozkład Rayleigha) prawdopodobieństwo rośnie liniowo z czasem,
  • dla k > 1 {\displaystyle k>1} prawdopodobieństwo rośnie z czasem. Sugeruje to zużycie części z upływem czasu jako główną przyczynę awaryjności.

Parametr λ {\displaystyle \lambda } można zinterpretować jako czas po którym zginie 1 1 e 63 , 2 % {\displaystyle 1-{\frac {1}{e}}\approx 63{,}2\%} osobników (porównaj wartość charakterystyczna przeżycia).

Bibliografia

  • Rozkład po raz pierwszy wprowadzony w pracy:
Waloddi Weibull. A statistical distribution function of wide applicability. „J. Appl. Mech.-Trans. ASME”. 18(3), s. 293–297, 1951. 
  • LCCN: sh85145945
  • GND: 4065029-7
  • J9U: 987007553502605171
  • NE.se: weibullfördelning
  • DSDE: Weibullfordeling