MATLAB与Python处理删失数据：Weibull分布右删失数据的拟合方法

非审查(完整)数据集

我试图使用scipy.stats.weibull_min.fit()函数来拟合一些生命数据。生成的示例数据包含在values中。在values = np.array(

[10197.8, 3349.0, 15318.6, 142.6, 20683.2,

6976.5, 2590.7, 11351.7, 10177.0, 3738.4]

)

我尝试使用函数拟合：

^{pr2}$

结果是：(1.3392877335100251, -277.75467055900197, 9443.6312323849124)

这与1.4和10000的标称β和eta值相差不远。在

右删失数据

威布尔分布以其处理正确的删失数据的能力而闻名。这使得它对于可靠性分析非常有用。如何处理scipy.stats中的正确审查数据？也就是说，曲线拟合还没有经历过失败的数据？在

输入表单可能如下所示：values = np.array(

[10197.8, 3349.0, 15318.6, 142.6, np.inf,

6976.5, 2590.7, 11351.7, 10177.0, 3738.4]

)

或者使用np.nan或者简单地使用0。在

这两个np解决方案都抛出了RunTimeWarnings，而且绝对没有接近正确的值。我使用数值-例如0和-1-删除了RunTimeWarning，但是返回的参数显然有缺陷。在

其他软件

在一些可靠性或寿命分析软件(minitab，lifelines)中，需要有两列数据，一列是实际数字，另一列是指示项目是否失败。例如：values = np.array(

[10197.8, 3349.0, 15318.6, 142.6, 0,

6976.5, 2590.7, 11351.7, 10177.0, 3738.4]

)

censored = np.array(

[True, True, True, True, False,

True, True, True, True, True]

)

我在文档中没有看到这样的路径。
免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删