问题标签 [weibull]

我有用于执行极值分析（计算回报水平）的风数据。我将R与包“evd”、“extRemes”和“ismev”一起使用。

我正在拟合 GEV、Gumbel 和 Weibull 分布，以估计某个时期 T 的回报水平 (RL)。
对于 GEV 和 Gumbel 案例，我可以使用extRemes::return.level()获得 RL 和置信区间功能。

一些代码：

但是对于 Weibull 案例，我需要一些帮助来生成 CI。

我正在构建一个 R 包以在 R 中显示 Weibull 图（使用graphics::plot）。该图具有对数变换的x轴和 Weibull 变换的y轴（因为缺乏更好的描述）。因此，两参数 Weibull 分布可以在该图上表示为一条直线。

x轴的对数变换就像将log="x"参数添加到plot()or一样简单curve()。如何以优雅的方式提供y轴转换，以便所有与图形相关的绘图都可以在我的轴转换图上工作？为了演示我需要什么，运行以下示例代码：

首先是一个威布尔分布的例子，它带有beta=2一个eta=1000规则的、未转换的图：

该图对 Weibull 分析毫无用处。这是我当前实现的解决方案，它使用函数转换数据F0inv()并修改绘图的y轴。请注意，我必须F0inv()在所有y轴相关数据上使用。

这可行，但这不是很用户友好：当用户想要添加注释时，必须始终使用F0inv()：

我发现您可以使用ggplot2和缩放来解决我的问题，但除非绝对必要，否则我不想更改为图形包，因为需要重写许多其他代码。

我认为如果我可以用我自己的动态替换应用对数变换的代码，我的问题就会得到解决。

我试图通过谷歌搜索“R 轴变换”、“R 用户坐标”、“R 轴缩放”来查找更多信息，但没有有用的结果。我发现的几乎所有东西都涉及对数刻度。

我试图研究plot()参数的log="x"工作原理，但相关代码plot.window是用 C 编写的——这根本不是我的强项。

我有以下 survreg 模型：

我想根据上述估计绘制危险函数和生存函数。
我不想使用predict()或pweibull()（如此处介绍的参数生存或此处的SO 问题。

我想使用该curve()功能。有什么想法可以做到这一点吗？似乎 survreg 的 Weibull 函数使用了与通常不同的比例和形状定义（并且不同于例如 rweibull）。

更新：我想我真正需要它来表达作为估计函数的危险/生存，Intercept而不使用任何现成的函数。age (+ other potential covariates)Scale*weilbull

我正在使用R，并希望使用rweibull(n, shape, scale = 1).

我有到达率（即 1/interarrival time），但我不知道如何在rweibull函数中使用它。

我正在使用该命令wblrnd(12.34,1.56)获取 100 个不同的值，这些值位于带有这些参数的 Weibull 分布中。

但我希望这 100 个点/值具有与参数给定的分布相同的分布。这不会发生。

基本上我想要得到 100 个值，这些值给我以前的完全相同的分布。

我有一个来自 Weibull 分布的 365 个形状参数的向量和一个 365 个比例参数的向量。

如何从 R 中的相应参数模拟 365 个值？

我的问题的背景是：我的日平均风速遵循独特参数的 Weibull 分布。现在，我需要根据数据模拟每日风速。

我编写了代码来使用 for 循环基于 8 个不同的形状参数来模拟 Weibull 值。我想将它保存在 365 x 8 的矩阵中并最终导出到 csv。

我的代码是这样的：

结果是 365 x8，但我注意到它只为每列捕获 k=2。任何人都可以帮助修复代码吗？

非常感谢您提前提供的帮助！

我想将一个连续随机变量Xwithcdf F(x)变成一个连续随机变量Ywithcdf F(y)并且想知道如何在 R 中实现它。

例如，对服从正态分布 (X) 的数据执行概率变换，使其符合理想的 Weibull 分布 (Y)。

（x=0 有 CDF F(x=0)=0.5，CDF F(y)=0.5 对应 y=5，然后 x=0 对应 y=5 等等）

我正在尝试重新创建最大似然分布拟合，我已经可以在 Matlab 和 R 中做到这一点，但现在我想使用 scipy。特别是，我想估计我的数据集的 Weibull 分布参数。

我试过这个：

得到这个：

一个看起来像这样的分布：

exponweib阅读此http://www.johndcook.com/distributions_scipy.html后，我一直在使用。我还尝试了 scipy 中的其他 Weibull 函数（以防万一！）。

在 Matlab（使用分布拟合工具 - 见截图）和 R（同时使用 MASS 库函数fitdistr和 GAMLSS 包）中，我得到的 a（loc）和 b（scale）参数更像 1.58463497 5.93030013。我相信这三种方法都使用最大似然法进行分布拟合。

如果您想尝试一下，我已经在这里发布了我的数据！为了完整起见，我使用的是 Python 2.7.5、Scipy 0.12.0、R 2.15.2 和 Matlab 2012b。

为什么我得到不同的结果！？

我必须模拟系统的故障时间，为此我必须使用具有“降低危险率”和“0.7-0.8”形状的 Weibull 分布。我必须为使用从 0 到 1 的随机数的函数生成一个包含 100 个结果的文件。

所以我一直在搜索，我发现了这个 R 函数：

还有其他一些（rweibull，qweibull ...），但我认为这是我必须使用的，因为它是累积分布，正如练习声明所说。问题是我是 R 新手，我真的不知道我必须将哪些参数传递给这个函数。

我猜形状应该是 0.7-0.8，比例为 1。对于 q 参数，我应该创建一个包含 0 到 1 个值的 100 个数字的随机向量吗？如果是这样，任何提示如何做到这一点？还有关于如何将结果数据导出到文件的任何提示？