韦伯分布

预计将在老化期间失效的项目所占的百分比是多少？例如，预计将在 8 小时老化期间失效的保险丝占多大百分比？

威布尔分布

密度函數
累積分布函數
	${\displaystyle \lambda >0\,}$尺度参数（实数） ${\displaystyle k>0\,}$形状参数（实数）
值域	${\displaystyle x\in [0;+\infty )\,}$
	${\displaystyle f(x)={\begin{cases}{\frac {k}{\lambda }}\left({\frac {x}{\lambda }}\right)^{k-1}e^{-(x/\lambda )^{k}}&x\geq 0\\0&x<0\end{cases}}}$
累積分布函數	${\displaystyle 1-e^{-(x/\lambda )^{k}}}$
期望值	${\displaystyle \lambda \Gamma \left(1+{\frac {1}{k}}\right)\,}$
中位數	${\displaystyle \lambda (\ln(2))^{1/k}\,}$
眾數	${\displaystyle \lambda \left({\frac {k-1}{k}}\right)^{\frac {1}{k}}\,}$ if ${\displaystyle k>1}$
	${\displaystyle \lambda ^{2}\Gamma \left(1+{\frac {2}{k}}\right)-\mu ^{2}\,}$
偏度	${\displaystyle {\frac {\Gamma (1+{\frac {3}{k}})\lambda ^{3}-3\mu \sigma ^{2}-\mu ^{3}}{\sigma ^{3}}}}$
峰度	见内文
熵	${\displaystyle \gamma \left(1\!-\!{\frac {1}{k}}\right)+\ln \left({\frac {\lambda }{k}}\right)+1}$
	${\displaystyle \sum _{n=0}^{\infty }{\frac {t^{n}\lambda ^{n}}{n!}}\Gamma \left(1+{\frac {n}{k}}\right),\ k\geq 1}$
特徵函数	${\displaystyle \sum _{n=0}^{\infty }{\frac {(it)^{n}\lambda ^{n}}{n!}}\Gamma \left(1+{\frac {n}{k}}\right)}$

威布尔分布（Weibull distribution）是可靠性分析和寿命检验的理论基础。

例如，可以使用此分布回答以下问题：

预计在有效寿命阶段有多少次保修索赔？例如，在该轮胎的 50,000 英里有效寿命期间预计有多少次保修索赔？

预计何时会出现快速磨损？例如，应将维护定期安排在何时以防止发动机进入磨损阶段？

历史

1927年，Fréchet (1927)首先给出这一分布的定义。

1933年，Rosin和Rammler在研究碎末的分布时，第一次应用了威布尔分布（Rosin, P.; Rammler, E. (1933), "The Laws Governing the Fineness of Powdered Coal", Journal of the Institute of Fuel 7: 29 - 36.）。

1951年，瑞典工程师、数学家Waloddi Weibull（1887-1979）详细解释了这一分布，于是，该分布便以他的名字命名为Weibull Distribution。

定义

从概率论和统计学角度看，Weibull Distribution是连续性的概率分布，其概率密度为：

${\displaystyle f(x;\lambda ,k)={\begin{cases}{\frac {k}{\lambda }}\left({\frac {x}{\lambda }}\right)^{k-1}e^{-(x/\lambda )^{k}}&x\geq 0\\0&x<0\end{cases}}}$

其中，x是随机变量，λ＞0是比例参数（scale parameter），k＞0是形状参数（shape parameter）。显然，它的累积分布函数是扩展的指数分布函数，而且，Weibull distribution与很多分布都有关系。如，当k=1，它是指数分布；k=2时，是Rayleigh distribution（瑞利分布）。

性质（Properties）

均值（mean）

${\displaystyle E=\lambda \Gamma \left(1+{\frac {1}{k}}\right)\,}$ 其中，Г是伽马（gamma）函数。

方差（variance）

${\displaystyle Var=\lambda ^{2}\left[\Gamma \left(1+{\frac {2}{k}}\right)-\Gamma \left(1+{\frac {1}{k}}\right)^{2}\right],}$

偏度（skewness）

${\displaystyle skewness={\frac {2\Gamma \left(1+{\frac {1}{k}}\right)^{3}-3\Gamma \left(1+{\frac {2}{k}}\right)\Gamma \left(1+{\frac {1}{k}}\right)+\Gamma \left(1+{\frac {3}{k}}\right)}{\left[\Gamma \left(1+{\frac {2}{k}}\right)-\Gamma \left(1+{\frac {1}{k}}\right)^{2}\right]^{3/2}}}}$

峰度（kurtosis）

${\displaystyle kurtosis={\frac {-3\Gamma \left(1+{\frac {1}{k}}\right)^{4}+6\Gamma \left(1+{\frac {2}{k}}\right)\Gamma \left(1+{\frac {1}{k}}\right)^{2}-4\Gamma \left(1+{\frac {3}{k}}\right)\Gamma \left(1+{\frac {1}{k}}\right)+\Gamma \left(1+{\frac {4}{k}}\right)}{\left[\Gamma \left(1+{\frac {2}{k}}\right)-\Gamma \left(1+{\frac {1}{k}}\right)^{2}\right]^{2}}}}$

应用

工业制造

研究生产过程和运输时间关系

雷达系统

对接受到的杂波信号的依分布建模

拟合度

无线通信技术中，相对指数衰减频道模型，Weibull衰减模型对衰减频道建模有较好的拟合度

风速

由于曲线形状与现实状况很匹配，被用来描述风速的分布