根据数据确定 Weibull 参数

Question

我想确定我的数据的 Weibull parameters（即形状和比例）。

0.022988506
0.114942529
0.218390805
0.114942529
0.149425287
0.114942529
0.068965517
0.068965517
0.034482759
0.022988506
0.022988506
0.022988506
0.022988506

我已经尝试了 this answer 建议的方法，我正在使用 Python 3.4.

import scipy.stats as s
import numpy as np
from scipy import stats


def weib(x,n,a):
    return (a / n) * (x / n)**(a - 1) * np.exp(-(x / n)**a)


data = np.loadtxt("data1.csv")
print(data)
(loc, scale) = s.exponweib.fit_loc_scale(data, 1, 1)
print('loc is: ',loc, '\n scale is: ', scale)

这给了我以下输出：

[0.02298851  0.11494253  0.2183908   0.11494253  0.14942529  0.11494253   0.06896552  0.06896552  0.03448276  0.02298851  0.02298851  0.02298851 0.02298851]
loc is:  0.0574417296258 
scale is:  0.0179259738449

我假设我的 csv 文件中的数据被读取为 x 输入值，而不是 Weibull 函数的 y 值。当我用 bin 添加第二列（或行）时，它给出了一个错误，即字符串值无法转换为浮点数。

我需要如何修改我的 csv 文件才能将其中的数据用作 Weibull 函数的 y 值？

我想我的问题可能是我不理解这一行：

(loc, scale) = s.exponweib.fit_loc_scale(data, 1, 1)

这里的1, 1代表什么？参数不应为负。

Answer 1

您似乎想使用 scipy.stats.weibull_min 的 fit 方法（这是 scipy.stats.frechet_r 的别名）。使用参数 floc=0 将位置限制为 0.

In [9]: data
Out[9]: 
array([ 0.02298851,  0.11494253,  0.2183908 ,  0.11494253,  0.14942529,
        0.11494253,  0.06896552,  0.06896552,  0.03448276,  0.02298851,
        0.02298851,  0.02298851,  0.02298851])

In [10]: from scipy.stats import weibull_min

In [11]: shape, loc, scale = weibull_min.fit(data, floc=0)

In [12]: shape
Out[12]: 1.3419930069121602

In [13]: scale
Out[13]: 0.084273047253525968

根据数据确定 Weibull 参数

Determine Weibull parameters from data

python

csv

numpy

scipy

weibull