- 综合排序
- 最热优先
- 最新优先
- 来自专栏气python风雨
WRFOUT计算风速Weibull分布
风 速的 变 化 特 性 经 常 用 两 参 数 的 统 计 分 布 函 数 — Weibull 模型 来 描 述 。 已 有 的 研 究 表 明 ，Weibull 函 数 的 优 点 在 于它 对 风 能 密 度 评 估 有 很 大 的 适 应 性 和 简 化 性 ， 尤 其 对长 期 的 风 速 数 据 有 很 好 from 《基于GIS的江苏省陆地风能资源潜力评估及微观选址》 Weibull 分布函数密度的表达式为 其中v 为风速，m/s；c 为 尺 度 参 数 ，反 映 该 风 电 场 的 平 均风速；k (ws100fl, floc=0) # 生成威布尔分布的概率密度函数 x = np.linspace(0, 25, 1000) # 设定风速范围 pdf = weibull_min.pdf(x, k, (m/s)') plt.ylabel('Cumulative Probability') plt.title('Weibull Cumulative Distribution Function of
68210编辑于 2024-06-20 - 来自专栏python编程
python实现10种概率分布（附代码）
均匀分布正态分布指数分布泊松分布二项分布几何分布超几何分布Beta分布Weibull分布Gumbel分布首先导入需要的库：import numpy as npimport matplotlib.pyplot as pltfrom scipy.stats import betafrom scipy.stats import weibull_min均匀分布匀分布是指在一个区间内所有值出现的概率均等的概率分布。 分布Weibull分布，也称为威布尔分布，是一种连续概率分布，广泛应用于生存分析、工程学、可靠性分析和质量控制等领域。 import numpy as npimport matplotlib.pyplot as pltfrom scipy.stats import weibull_mindef weibull_distribution = weibull_distribution(c, scale, size)x = np.linspace(weibull_min.ppf(0.01, c), weibull_min.ppf(0.99
2K10编辑于 2024-08-07 - 来自专栏专知
【论文推荐】最新六篇主题模型相关论文—收敛率、大规模、深度主题建模、优化、情绪强度、广义动态主题模型
期刊：arXiv, 2018年3月13日 网址： http://www.zhuanzhi.ai/document/34a1e75e4ab744eec51bb1b8096a13b4 3.WHAI: Weibull topic model, making it both scalable to big corpora and fast in out-of-sample prediction, we develop Weibull generative network of WHAI has a hierarchy of gamma distributions, while the inference network of WHAI is a Weibull deterministic-upward deep neural network, and a stochastic-downward deep generative model based on a hierarchy of Weibull The Weibull distribution can be used to well approximate a gamma distribution with an analytic Kullback-Leibler
1.2K40发布于 2018-04-08 - 来自专栏拓端tecdat
R语言非线性方程数值分析生物降解、植物生长数据：多项式、渐近回归、米氏方程、逻辑曲线、Gompertz、Weibull曲线
线性方程 二次多项式 凹/凸曲线（无拐点） 指数方程 渐近方程 负指数方程 幂曲线方程 对数方程 矩形双曲线 Sigmoid 曲线 逻辑方程 Gompertz 方程 对数-逻辑方程（Hill 方程） Weibull 类型 1 Weibull 类型 2 具有最大值的曲线 Brain-Cousens 方程 多项式 多项式是描述生物过程的最灵活的工具。 1） 类型 1 Weibull 曲线与替代 Gompertz 曲线的对数-逻辑曲线相似。 Weibull 曲线（类型 2） 类型 2 Weibull 曲线与 Gompertz 曲线的对数-逻辑曲线相似。方程如下： 参数与上述其他 S 型曲线的含义相同。 我们将对这些 Weibull 曲线拟合数据集。 plot(model, main = "Weibull functions") plo
1.3K60编辑于 2023-09-21 - 来自专栏互联网大杂烩
机器学习面试
---- 7，weibull回归，有时中文音译为威布尔回归。weibull回归估计你可能就没大听说过了，其实这个名字只不过是个噱头，吓唬人而已。 参数检验和非参数检验的优缺点我也在前面文章里通俗介绍了，如果数据符合weibull分布，那么直接套用weibull回归当然是最理想的选择，他可以给出你最合理的估计。 如果数据不符合weibull分布，那如果还用weibull回归，那就套用错误，肯定结果也不会真实到哪儿去。 所以说，如果你能判断出你的数据是否符合weibull分布，那当然最好的使用参数回归，也就是weibull回归。但是如果你实在没什么信心去判断数据分布，那也可以老老实实地用cox回归。 weibull回归就像是量体裁衣，把体形看做数据，衣服看做模型，weibull回归就是根据你的体形做衣服，做出来的肯定对你正合身，对别人就不一定合身了。
84940发布于 2018-08-22 - 来自专栏庄闪闪的R语言手册
R 案例｜绘制不同分布的 QQ 图
结果如下： # weibull distribution di <- "weibull" # exponential distribution dp <- list(shape=5.4766,scale y = "Sample Quantiles") + theme_bw() + theme(panel.grid = element_blank()) p2 可以看到该数据集更适合使用 Weibull
3.3K10编辑于 2022-05-24 - 来自专栏拓端tecdat
R语言非线性方程数值分析生物降解、植物生长数据：多项式、渐近回归、米氏方程、逻辑曲线、Gompertz、Weibull曲线
线性方程 二次多项式 凹/凸曲线（无拐点） 指数方程 渐近方程 负指数方程 幂曲线方程 对数方程 矩形双曲线 Sigmoid 曲线 逻辑方程 Gompertz 方程 对数-逻辑方程（Hill 方程） Weibull 类型 1 Weibull 类型 2 具有最大值的曲线 Brain-Cousens 方程 多项式 多项式是描述生物过程的最灵活的工具。 ） 类型 1 Weibull 曲线与替代 Gompertz 曲线的对数-逻辑曲线相似。 Weibull 曲线（类型 2） 类型 2 Weibull 曲线与 Gompertz 曲线的对数-逻辑曲线相似。方程如下： 参数与上述其他 S 型曲线的含义相同。 我们将对这些 Weibull 曲线拟合数据集。 plot(model, main = "Weibull functions") plo
53310编辑于 2025-01-01 - 来自专栏Listenlii的生物信息笔记
sars：拟合SAR模型的最新工具
("power","loga","koba","mmf","monod", "negexpo","chapman","weibull3 : √ > monod : √ > negexpo : √ > chapman : Warning: could not compute parameters statistics > weibull3 SAR: Power, Logarithmic, Kobayashi, MMF, Monod, Negative exponential, Chapman Richards, Cumulative Weibull
1.5K31发布于 2020-05-29 - 来自专栏机器学习AI算法工程
常用连续型分布介绍及R语言实现
目录 正态分布 指数分步 γ(伽玛)分布 weibull分布 F分布 T分布 β(贝塔)分布 χ2(卡方)分布 均匀分布 1. 指数分布是伽玛分布和weibull分布的特殊情况，产品的失效是偶然失效时，其寿命服从指数分布。 指数分布可以看作当weibull分布中的形状系数等于1的特殊分布，指数分布的失效率是与时间t无关的常数，所以分布函数简单。 1). 概率密度函数 ? 4. weibull分布 weibull(韦伯)分布，又称韦氏分布或威布尔分布，是可靠性分析和寿命检验的理论基础。Weibull分布能被应用于很多形式，分布由形状、尺度（范围）和位置三个参数决定。 该检验原假设为H0:数据集符合weibull分布，H1:样本所来自的总体分布不符合weibull分布。令F0(x)表示预先假设的理论分布，Fn(x)表示随机样本的累计概率(频率)函数.
4.1K60发布于 2018-03-13 - 来自专栏PPV课数据科学社区
基于贝叶斯生存分析的《冰与火之歌》人物死亡率分析
方法论 采用Weibull 分布外推在7本书中的各个角色的生存概率。Weibull分布提供了一种建立危险函数( hazard function )模型的方法。 Weibull分布主要依赖与两个参数，k和lambda，这两个参数决定了Weibull分布的形状。 在参数估计之前我们选取均匀分布作为先验概率。
1.3K70发布于 2018-04-23 - 来自专栏机器学习AI算法工程
基于贝叶斯生存分析的《冰与火之歌》人物死亡率分析
方法论 采用Weibull 分布外推在7本书中的各个角色的生存概率。Weibull分布提供了一种建立危险函数( hazard function )模型的方法。 Weibull分布主要依赖与两个参数，k和lambda，这两个参数决定了Weibull分布的形状。 在参数估计之前我们选取均匀分布作为先验概率。
1.4K40发布于 2018-03-13 - 来自专栏拓端tecdat
R语言VaR市场风险计算方法与回测、用LOGIT逻辑回归、PROBIT模型信用风险与分类模型
Weibull分布可以对于厚尾性质有所度量。当然其他类型的如Beta分布，__对数正态、Gumbel分布等也可以度量厚尾，具体的思路和计算方法与此相同，这里主要以Weibull分布为例进行介绍。 Weibull分布密度函数形式如下： Weibull分布函数要求随机变量大于0，实际中可以通过指数变换得到。 同样考虑例中的HS300指数日度数据，其采用Weibull分布法计算VaR的R代码如下： #weibull分布法 rdata<-ex(re) #将收益率数据指数化，使其保持大于0lgbull<untion 分布法得到的99%置信水平下每日最大可能损失是5.59%，比正太分布得出的__VaR__高得多，体现了Weibull分布对于尾部和极端风险给予了更大的重视，显得更加保守。 最后计算出的99%置信水平下，每日最大可能损失值为4.96%，远大于正态分布法所得到的数值，与Weibull分布法得出的数值较为接近。
1.3K30编辑于 2023-08-31 - 来自专栏Listenlii的生物信息笔记
Mobism: 检验空间尺度生物多样性的R包
的模拟可用的分布有12种：c("lnorm", "bs", "gamma","geom", "ls","mzsm", "nbinom","pareto", "poilog", "power", "powbend","weibull
91631发布于 2020-05-29 - 来自专栏数据派THU
【独家】一文读懂回归分析
7）weibull回归 中文有时音译为威布尔回归。关于生存资料的分析常用的是cox回归，这种回归几乎统治了整个生存分析。但其实夹缝中还有几个方法在顽强生存着，而且其实很有生命力。 weibull回归就是其中之一。cox回归受欢迎的原因是它简单，用的时候不用考虑条件（除了等比例条件之外），大多数生存数据都可以用。 而weibull回归则有条件限制，用的时候数据必须符合weibull分布。如果数据符合weibull分布，那么直接套用weibull回归自然是最理想的选择，它可以给出最合理的估计。 如果数据不符合weibull分布，那如果还用weibull回归，那就套用错误，结果也就会缺乏可信度。 weibull回归就像是量体裁衣，把体形看做数据，衣服看做模型，weibull回归就是根据某人实际的体形做衣服，做出来的也就合身，对其他人就不一定合身了。
4.4K81发布于 2018-01-29 Stata 18下载及安装教程，附Stata17免费安装包
Stata的统计功能很强，除了传统的统计分析方法外，还收集了近20年发展起来的新方法，如Cox比例风险回归，指数与Weibull回归，Poisson回归，负二项回归及广义负二项回归，好吧这些小兔都不懂，
2.8K10编辑于 2025-08-22- 来自专栏Go 语言编程
Excelize 2.5.0 正式发布，这些新增功能值得关注
TBILLPRICE, TBILLYIELD, TEXTJOIN, TIME, TRANSPOSE, TRIMMEAN, VALUE, VAR, VAR.S, VARA, VARPA, VDB, WEEKDAY, WEIBULL , WEIBULL.DIST, XIRR, XLOOKUP, XNPV, XOR, YEAR, YEARFRAC, YIELD, YIELDDISC, YIELDMAT, Z.TEST, ZTEST,
1.7K11编辑于 2022-01-03 - 来自专栏优雅R
「R」数值与字符处理函数
指数分布 exp 泊松分布 pois F分布 f Wilcoxon符号秩分布 signrank Gamma分布 gamma t分布 t 几何分布 geom 均匀分布 unif 超几何分布 hyper Weibull 分布 weibull 对数正态分布 lnom Wilcoxon秩和分布 wilcox 举一个正态分布的例子： 在区间[-3, 3]上绘制标准正态曲线 代码： x <- pretty(c(-3,3),
1.3K10发布于 2020-07-03 - 来自专栏量化投资与机器学习
根据期权价格估算风险中性密度
此应用程序包含多个内置核，包括 beta gamma、广义逆高斯、广义 Weibull 和对数正态，而且用户可以通过自己编写 MATLAB 函数来对内置核进行扩展。 图2隐含波动曲线及使用广义 Weibull 核、主成分分析和 17阶 展开式估算出的 RND值。
1.4K20发布于 2018-05-28 - 来自专栏WOLFRAM
使用Mathematica研究艾滋病
“这种新的分布比观测到的数据拟合得明显好于Weibull。” Byers说，如果没有Mathematica，他将面临手工解决方程式的繁琐且耗时的任务。
51210发布于 2020-05-21 - 来自专栏DeepHub IMBA
Python离群值检测实战：使用distfit库实现基于分布拟合的异常检测
从图3看，除了loggamma，还有其他几个RSS较低的PDF——Beta、Gamma、Normal、t分布、广义极值、Weibull分布。但只有五个通过了bootstrap检验（图3中的绿点）。 不过Weibull分布(图4黄线)出现了两个峰，虽然RSS低，但目测拟合效果不好。bootstrap方法早就排除了Weibull，现在我们知道具体的原因了。 Weibull分布通常建模单调递增或递减趋势的数据，比如失效时间。人类身高没有明显的单调趋势，PDF/CDF/QQ图也显示不匹配。
28610编辑于 2025-11-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号