CN109145258A - 基于非线性拟合的威布尔分布参数置信区间估计方法 - Google Patents
基于非线性拟合的威布尔分布参数置信区间估计方法 Download PDFInfo
- Publication number
- CN109145258A CN109145258A CN201811441043.8A CN201811441043A CN109145258A CN 109145258 A CN109145258 A CN 109145258A CN 201811441043 A CN201811441043 A CN 201811441043A CN 109145258 A CN109145258 A CN 109145258A
- Authority
- CN
- China
- Prior art keywords
- weibull distribution
- distribution parameters
- confidence interval
- sample
- weibull
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于可靠性统计技术领域,本发明公开了一种基于非线性拟合的威布尔分布参数置信区间估计方法,首先根据基于非线性拟合法求得的威布尔分布参数点估计,再利用特定威布尔分布下基于非线性拟合法求得的威布尔分布参数点估计,给出了威布尔分布参数置信区间的估计方法。本发明通过上述步骤很好地解决了非线性拟合下威布尔分布参数的置信区间估计问题。由于同时基于非线性拟合法求得威布尔分布参数的点估计和置信区间,因而保证了二者的一致性。且对于构建置信区间的关键公式,是基于枢轴量推导所提出的,可构建准确的威布尔分布参数置信区间。
Description
技术领域
本发明涉及可靠性统计领域,特指一种基于非线性拟合的威布尔分布参数置信区间估计方法。
背景技术
在可靠性统计领域,常常涉及到产品可靠性的评估问题,这其中的关键是利用产品寿命试验的样本数据估计产品寿命所服从分布中的参数,包括参数的点估计和置信区间估计。
威布尔分布被广泛用于描述产品的寿命,其分布函数为
(1)
相应的概率密度函数为
(2)
、为威布尔分布的2个分布参数,其中为形状参数,为尺度参数。
当产品寿命服从威布尔分布时,对于威布尔分布参数的估计,当前常用的是极大似然估计法和分布曲线拟合法。记经寿命试验获得的n个样本产品的样本数据(即样本产品的失效时间),极大似然估计法的基本思想是参数的估计令样本的似然函数最大,但形状参数的极大似然估计很容易出现“过估”现象,即估计值大于真值,造成分布参数估计的不准确性。
而分布曲线拟合法的基本思想是首先求得样本数据处的失效概率估计,然后通过曲线拟合得到一条分布曲线,继而给出威布尔分布参数的估计。由于对于式(1)中的威布尔分布函数,经过两次取对数变换,可得
从而可将威布尔分布函数转化为线性函数。进一步记为样本数据处的失效概率估计,令,,继而可利用线性拟合的思想,通过拟合诸点 给出威布尔分布参数的估计为
基于线性拟合的威布尔分布参数估计形式简单,计算方便,因而在可靠性统计中得到了广泛应用。但是该方法在计算过程中将威布尔分布函数两次取对数,造成分布函数形态的改变,特别是当样本数据比较小或比较大时尤为明显,从而使得参数估计结果极不准确。因而应当采用基于非线性拟合的威布尔分布参数估计方法,即利用非线性拟合的思想,直接拟合诸点 ,通过令误差函数
(3)
最小,得到拟合后的分布曲线并给出威布尔分布参数的点估计。通过上述非线性拟合法,可以给出威布尔分布参数的点估计,但不能给出威布尔分布参数的置信区间估计。
发明内容
由于现有技术中极大似然估计法和线性拟合法的不足,应当采用非线性拟合法估计威布尔分布参数。但现有研究成果只能给出威布尔分布参数的点估计,不能给出威布尔分布参数的置信区间估计。针对上述缺陷,为了完善非线性拟合法下威布尔分布参数的估计方法,本发明提出基于非线性拟合的威布尔分布参数置信区间估计方法。
为了解决上述技术问题,本发明采用的技术方案是:
基于非线性拟合的威布尔分布参数置信区间估计方法,包括以下步骤:
(1)基于非线性拟合法计算威布尔分布参数的点估计:
随机抽取n个样本产品进行寿命试验,在寿命试验中观测各样本产品的工作状态,若某一时刻开始某一样本不能继续工作,则该时刻即为该样本产品的失效时间。本发明中的通过寿命试验获得的样本产品的样本数据即样本产品的失效时间。
记经寿命试验获得的n()个样本产品的样本数据为,设,称为样本数据的秩,根据公式(4)估计样本数据的失效概率:
(4)
令误差函数为:
(3)
将 代入式(3)中,利用信赖域反射法(Trust-regionreflective)求解式(3)最小时威布尔分布参数的数值,得到威布尔分布参数的点估计,记为和。
(2)基于非线性拟合法计算特定威布尔分布参数的点估计。
令威布尔分布函数即式(1)中的2个威布尔分布参数同时为1,即。基于该特定威布尔分布(特定威布尔分布即),生成一组样本量为的样本数据,设。按照步骤(1)中相同的方法,基于该样本数据计算特定威布尔分布参数的估计,记为和。然后重复该过程次,即基于该特定威布尔分布,生成组样本量为n的样本数据并基于生成的各组样本量为n的样本数据计算对应的特定威布尔分布参数的估计,如此可得组特定威布尔分布参数的估计和,其中。
(3)构建威布尔分布参数的置信区间估计:
根据步骤(1)得到的威布尔分布参数的点估计和以及步骤(2)得到的组特定威布尔分布参数的点估计和,其中,利用
(5)
计算威布尔分布参数的一组样本值和,其中。
将得到的上述一组样本值和均按升序排列为和,在给定的置信水平下,可得威布尔分布参数的置信区间为
(6)
如上所述,本发明根据基于非线性拟合法求得的威布尔分布参数点估计,再利用特定威布尔分布下基于非线性拟合法求得的威布尔分布参数点估计,给出了威布尔分布参数置信区间的估计方法。本发明通过上述步骤很好地解决了非线性拟合下威布尔分布参数的置信区间估计方法。由于同时基于非线性拟合法求得威布尔分布参数的点估计和置信区间,因而保证了二者的一致性,且对于构建置信区间的关键公式(5),是基于点估计和的枢轴量给出的,因而本发明在式(6)中提出的威布尔分布参数置信区间是准确的。
附图说明
图1是实例中针对双参数同时为1时威布尔分布参数的点估计
图2是实例中针对双参数同时为1时威布尔分布参数的点估计
具体实施方式
以下将结合实例对本发明做进一步详细说明。
本实例利用一组9个样品产品的失效时间数据,这9个样本产品的失效时间分别是96.9,100.3,100.8,122.6,103.3,103.4,105.4,151.3和162.4(小时),本发明的具体方法如下:
第一步,将9个失效时间数据按照升序排列为96.9,100.3,100.8,103.3,103.4,105.4,122.6,151.3和162.4。接着,根据即公式(4)估计得到各失效时间数据相应的失效概率估计值为0.0745,0.1809,0.2872,,0.3936,0.5,0.6064,0.7128,0.8191和0.9255,再利用误差函数即公式(3),基于信赖域反射法求得威布尔分布参数的点估计为和。
第二步,令威布尔分布函数即中的2个威布尔分布参数同时为1,即,基于该特定威布尔分布,生成5000组样本量为9的样本。再按照第一步中计算威布尔分布参数的点估计相同的方法,利用这5000组样本中的每一组样本计算对应的威布尔分布参数的点估计,可共得到5000组点估计结果,分别如图1和图2所示。
最后,根据公式(5)计算威布尔分布参数的一组样本值和,其中,再利用式(6)求得威布尔分布参数和在给定的置信水平0.9下的置信区间分别为和。
通过以上本发明所提出的基于非线性拟合的威布尔分布参数置信区间估计方法,能够在基于非线性拟合的威布尔分布参数点估计基础上,借助于仿真样本构建威布尔分布参数的置信区间,且该置信区间是准确的。综上所述,本发明所提出的基于非线性拟合的威布尔分布参数置信区间估计方法具有良好的准确性。
以上所述仅为本发明的优选的实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.基于非线性拟合的威布尔分布参数置信区间估计方法,其特征在于,包括如下步骤:
(1)基于非线性拟合法计算威布尔分布参数的点估计;
(2)基于非线性拟合法计算特定威布尔分布参数的点估计;
(3)根据步骤(1)得到的威布尔分布参数的点估计和步骤(2)得到的特定威布尔分布参数的点估计构建威布尔分布参数的置信区间估计。
2.根据权利要求1所述的基于非线性拟合的威布尔分布参数置信区间估计方法,其特征在于,步骤(1)的实现方法为:
记经寿命试验获得的n个样本产品的样本数据即样本产品的失效时间为,设,称为样本数据的秩,根据公式(4)估计样本数据的失效概率:
(4)
令误差函数为:
将 代入误差函数中,利用信赖域反射法求解误差函数最小时威布尔分布参数的数值,得到威布尔分布参数的点估计,记为和。
3.根据权利要求2所述的基于非线性拟合的威布尔分布参数置信区间估计方法,其特征在于,步骤(2)的实现方法为:
令威布尔分布函数即中的2个威布尔分布参数同时为1,即,基于该特定威布尔分布,生成一组样本量为的样本数据,设;
按照步骤(1)中相同的方法,基于该样本数据计算特定威布尔分布参数的估计,记为和;然后重复该过程次,即基于该特定威布尔分布,生成组样本量为n的样本数据并基于生成的各组样本量为n的样本数据计算对应的特定威布尔分布参数的估计,如此可得组特定威布尔分布参数的估计和,其中。
4.根据权利要求3所述的基于非线性拟合的威布尔分布参数置信区间估计方法,其特征在于,步骤(3)的实现方法为:
根据步骤(1)得到的威布尔分布参数的点估计和以及步骤(2)得到的组特定威布尔分布参数的点估计和,其中,利用公式(5)计算威布尔分布参数的一组样本值和,其中:
(5)
将得到的一组样本值和均按升序排列为和,在给定的置信水平下,可得威布尔分布参数的置信区间为:
(6)。
5.根据权利要求2、3或4所述的基于非线性拟合的威布尔分布参数置信区间估计方法,其特征在于,步骤(1)中,样本产品数据量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811441043.8A CN109145258B (zh) | 2018-11-29 | 2018-11-29 | 基于非线性拟合的威布尔分布参数置信区间估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811441043.8A CN109145258B (zh) | 2018-11-29 | 2018-11-29 | 基于非线性拟合的威布尔分布参数置信区间估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109145258A true CN109145258A (zh) | 2019-01-04 |
CN109145258B CN109145258B (zh) | 2020-08-07 |
Family
ID=64806226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811441043.8A Active CN109145258B (zh) | 2018-11-29 | 2018-11-29 | 基于非线性拟合的威布尔分布参数置信区间估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145258B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553074A (zh) * | 2020-04-27 | 2020-08-18 | 中国航空综合技术研究所 | 威布尔分布故障样本的奇异值排除方法 |
CN112491038A (zh) * | 2020-11-18 | 2021-03-12 | 国网新疆电力有限公司经济技术研究院 | 一种配电网设备寿命的概率分布估计方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080154458A1 (en) * | 2006-12-21 | 2008-06-26 | Brandstetter Jason C | System, method and program product for predicting fleet reliability and maintaining a fleet of vehicles |
CN101894221A (zh) * | 2010-08-02 | 2010-11-24 | 北京航空航天大学 | 基于退化量分布非平稳时序分析的加速退化试验产品寿命预测方法 |
-
2018
- 2018-11-29 CN CN201811441043.8A patent/CN109145258B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080154458A1 (en) * | 2006-12-21 | 2008-06-26 | Brandstetter Jason C | System, method and program product for predicting fleet reliability and maintaining a fleet of vehicles |
CN101894221A (zh) * | 2010-08-02 | 2010-11-24 | 北京航空航天大学 | 基于退化量分布非平稳时序分析的加速退化试验产品寿命预测方法 |
Non-Patent Citations (2)
Title |
---|
XIANG JIA 等: "《Inference on the reliability of Weibull distribution by fusing expert judgements and multiply Type-I censored data》", 《 2018 IEEE INTERNATIONAL SYSTEMS ENGINEERING SYMPOSIUM》 * |
贾祥 等: "《威布尔分布场合无失效数据的失效概率估计方法》", 《机械强度》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553074A (zh) * | 2020-04-27 | 2020-08-18 | 中国航空综合技术研究所 | 威布尔分布故障样本的奇异值排除方法 |
CN112491038A (zh) * | 2020-11-18 | 2021-03-12 | 国网新疆电力有限公司经济技术研究院 | 一种配电网设备寿命的概率分布估计方法及系统 |
CN112491038B (zh) * | 2020-11-18 | 2023-04-07 | 国网新疆电力有限公司经济技术研究院 | 一种配电网设备寿命的概率分布估计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109145258B (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107093022B (zh) | 高置信度的燃爆产品可靠性的小样本评估方法 | |
CN110197020B (zh) | 一种环境变化对水文干旱影响的分析方法 | |
CN107478455A (zh) | 一种适用于威布尔分布型产品的定时截尾可靠性试验方法 | |
CN105718722B (zh) | 基于定时截尾寿命试验数据的产品可靠度估计方法 | |
CN110068507B (zh) | 一种对传统再结晶模型进行修正的方法 | |
CN109145258A (zh) | 基于非线性拟合的威布尔分布参数置信区间估计方法 | |
CN109858779A (zh) | 一种水环境数学模型水质参数不确定性与敏感性分析方法 | |
CN108491637B (zh) | 基于无失效数据超小样本的产品寿命分布评估方法 | |
CN104089760B (zh) | 内燃机零部件的疲劳试验方法 | |
CN104102836A (zh) | 一种电力系统快速抗差状态估计方法 | |
CN109101466B (zh) | 基于分布函数取对数变换的威布尔分布参数估计方法 | |
CN102879061A (zh) | 一种基于拟合方程的水表误差校正方法 | |
Weiß | Serial dependence of NDARMA processes | |
Xu et al. | Bayesian reliability assessment of permanent magnet brake under small sample size | |
CN107870894B (zh) | 一种计算乘潮水位及其延时的条件概率方法 | |
CN103093078A (zh) | 一种改进53h算法的数据检验方法 | |
CN110764043B (zh) | 一种适用于连续型测量结果的设备质量状况评价方法 | |
CN106407592B (zh) | 一种测定疲劳性能的小子样数据方法 | |
Durot et al. | Nonparametric species richness estimation under convexity constraint | |
CN109101778A (zh) | 基于性能退化数据和寿命数据融合的Wiener过程参数估计方法 | |
CN109212751A (zh) | 一种自由曲面公差的分析方法 | |
CN108491606B (zh) | 一种材料强度分布获取方法 | |
CN109978349A (zh) | 一种指数型和联系统可靠度置信下限计算方法 | |
Yang et al. | An approach to non-normal process capability analysis using johnson transformation | |
CN112163729A (zh) | 基于供货产品截断正态分布质量数据的过程能力分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |