MATLAB绘制威布尔分布曲线

合集下载

威布尔分布在Matlab中的命令

威布尔分布在Matlab中的命令

Uniform (Continuous) DistributionQuantile-Quantile Plots Empirical Cumulative Distribution Function (CDF)Hidden Markov Model Functions New Functions for Extreme Value DistributionsStatistics Toolbox wblcdfWeibull cumulative distribution function (cdf)SyntaxP = wblbcdf(X, A, B)[P, PLO, PUP] = wblcdf(X, A, B, PCOV, alpha)DescriptionP = wblbcdf(X, A, B) computes the cdf of the Weibull distribution with scale parameter A and shape parameter B, at each of the values in X. X, A, and B can be vectors, matrices, or multidimensional arrays that all have the same size. A scalar input is expanded to a constant array of the same size as the other inputs. The default values for A and B are both 1. The parameters A and B must be positive.[P, PLO, PUP] = wblcdf(X, A, B, PCOV, alpha) returns confidence bounds for P when the input parameters A and B are estimates. PCOV is the 2-by-2 covariance matrix of the estimated parameters. alpha has a default value of 0.05, and specifies 100(1 - alpha)% confidence bounds. PLO and PUP are arrays of the same size as P containing the lower and upper confidence bounds.The function wblcdf computes confidence bounds for P using a normal approximation to the distribution of the estimateand then transforms those bounds to the scale of the output P. The computed bounds give approximately the desired confidence level when you estimate m u, sigma, and PCOV from large samples, but in smaller samples other methods of computing the confidence bounds might be more accurate.The Weibull cdf isExamplesWhat is the probability that a value from a Weibull distribution with parameters a = 0.15 and b =0.8 is less than 0.5?probability = wblcdf(0.5, 0.15, 0.8)probability =0.9272How sensitive is this result to small changes in the parameters?[A, B] = meshgrid(0.1:0.05:0.2,0.2:0.05:0.3);probability = wblcdf(0.5, A, B)probability =vartestn wblfitwblcdf wblinvStatistics Toolbox wblinvInverse of the Weibull cumulative distribution functionSyntaxX = wblinv(P, A, B)[X, XLO, XUP] = wblinv(P, A, B, PCOV, alpha)DescriptionX = wblinv(P, A, B) returns the inverse cumulative distribution function (cdf) for a Weibull distribution with scale parameter A and shape parameter B, evaluated at the values in P. P, A, and B can be vectors, matrices, or multidimensional arrays that all have the same size. A scalar input is expanded to a constant array of the same size as the other inputs. The default values for A and B are both 1.[X, XLO, XUP] = wblinv(P, A, B, PCOV, alpha) returns confidence bounds for X when the input parameters A and B are estimates. PCOV is a 2-by-2 matrix containing the covariance matrix of the estimated parameters. alpha has a default value of 0.05, and specifies 100(1 - a lpha)% confidence bounds. XLO and XUP are arrays of the same size as X containing the lower and upper confidence bounds.The function wblinv computes confidence bounds for X using a normal approximation to the distribution of the estimatewhere q is the P th quantile from a Weibull distribution with scale and shape parameters both equal to 1. The computed bounds give approximately the desired confidence level when you estimate mu, sigma, and PCOV from large samples, but in smaller samples other methods of computing the confidence bounds might be more accurate.The inverse of the Weibull cdf isExamplesThe lifetimes (in hours) of a batch of light bulbs has a Weibull distribution with parameters a = 200 and b = 6. What is the median lifetime of the bulbs?life = wblinv(0.5, 200, 6)life =188.1486What is the 90th percentile?life = wblinv(0.9, 200, 6)life =wblfit wbllikewblinv wblpdfwbllike wblplotwblpdf wblrndwblplot wblstatwblrnd wishrnd。

MATLAB曲线绘制大全

MATLAB曲线绘制大全

一、二维数据曲线图1.1绘制单根二维曲线plot函数的基本调用格式为:plot(x,y)其中x和y为长度相同的向量,分别用于存储x坐标和y坐标数据。

例1-1在0x2p区间内,绘制曲线y=2e-0.5xcos(4x)程序如下:x=0:pi/100:2*pi;y=2*exp(-0.5*x).*cos(4*pi*x);plot(x,y)例1-2绘制曲线。

程序如下:t=0:0.1:2*pi;x=t.*sin(3*t);y=t.*sin(t).*sin(t);plot(x,y);plot函数最简单的调用格式是只包含一个输入参数:plot(x)在这种情况下,当x是实向量时,以该向量元素的下标为横坐标,元素值为纵坐标画出一条连续曲线,这实际上是绘制折线图。

1.2绘制多根二维曲线1.plot函数的输入参数是矩阵形式(1)当x是向量,y是有一维与x同维的矩阵时,则绘制出多根不同颜色的曲线。

曲线条数等于y矩阵的另一维数,x被作为这些曲线共同的横坐标。

(2)当x,y是同维矩阵时,则以x,y对应列元素为横、纵坐标分别绘制曲线,曲线条数等于矩阵的列数。

(3)对只包含一个输入参数的plot函数,当输入参数是实矩阵时,则按列绘制每列元素值相对其下标的曲线,曲线条数等于输入参数矩阵的列数。

当输入参数是复数矩阵时,则按列分别以元素实部和虚部为横、纵坐标绘制多条曲线。

2含多个输入参数的plot函数调用格式为:plot(x1,y1,x2,y2,,xn,yn)(1)当输入参数都为向量时,x1和yl,x2和y2,,xn和yn分别组成一组向量对,每一组向量对的长度可以不同。

每一向量对可以绘制出一条曲线,这样可以在同一坐标内绘制出多条曲线。

(2)当输入参数有矩阵形式时,配对的x,y按对应列元素为横、纵坐标分别绘制曲线,曲线条数等于矩阵的列数。

例1-3分析下列程序绘制的曲线。

x1=linspace(0,2*pi,100);x2=linspace(0,3*pi,100);x3=linspace(0,4*pi,100);y1=sin(x1);y2=1+sin(x2);y3=2+sin(x3);x=[x1;x2;x3]';y=[y1;y2;y3]';plot(x,y,x1,y1-1)3.具有两个纵坐标标度的图形在MATLAB中,如果需要绘制出具有不同纵坐标标度的两个图形,可以使用plotyy绘图函数。

基于Matlab和GM(1,1)模型的Weibull分布参数估计

基于Matlab和GM(1,1)模型的Weibull分布参数估计

基于Matlab和GM(1,1)模型的W eibull分布参数估计第28卷第3期20l0年6月江西科学LjIANGXiSCNCEV o1.28No.3Jun.2()lO文章编号:IO01—3679(2010)03—029l一04基于Matlab和GM(1,1)模型的Weibul1分布参数估计史景钊,陈新昌,张峰(河南农业大学f』【电工程学院,河南郑州450002)摘要:介绍了随机截尾情况下计算样蕾失效概率的Johnson算法和GM(1,1)模型估计三参数Weibul1分布参数的方法;提出了结合JollrlSOi'l搏法币,CM,1,1,模型估计随机栽黾情况下Weibul1分布参数的方法,编写了相应的Matlab函数,实例计算表明这种方法的计算精度可满足工程需要.关键词:可靠性;Weibu]1分布;参数估什:GM(1,1)模型;Matlab中图分类号:TB114.3文献标识码:A3.ParameterWeibullDistributionParameterEstimationBasedonMatlabandGM(1,I)ModelSHIJing—zhao,CHENXin—chang,ZHANGFeng (HenanAgriculturaJUniversity,HenanZhengzhou450002PRC)Abstract:Introducedarandomsampleofcensoredcases,thefailureprobabilitycalculationof John—sonalgorithmandtheuseofGM(1,1)model,Weibulldistributionparametersestimationtheory,proposedcombinationofJohnsonalgorithmandGM(1,1)modeltoestimateWeibulldistribu tionpa—rametersofthemethod,preparationofMatlabfunction,aninstanceofestimatedresultsshowt hatthemethodiSreliable.Keywords:Reliability.WeibulldistIibution,Parameterestimation,GM(1,1)model,Matlab O前言在产品的寿命试验中有完全寿命试验和截尾寿命试验2种类型.其中截尾寿命试验又分为定时截尾,定数截尾和随饥截尾等.参加试验的部分产品由于某种原因(如人为因素造成产品损坏,统计数据丢失,试验设备失效,根据试验计划有意撤出等)还没有失效就巾途退出试验,这样得到的数据即为随机戳尾数据(也称为右删失数据).随机截尾寿命试验是可靠性寿命试验中最一般的情况,其他寿命试验都可看作它的一个特例.Weibul1分布模型能够根据形状参数的变化表现为各种不同的形状,较好地适用于各类寿命试验,因而在可靠性分析中应用十分广泛.对于服从Weibul1分布的随机截尾寿命数据的参数估计,国内外学者进行了大量的研究,提出了一些参数估计方法,主要有极大似然估计法¨"J,贝叶斯估计法],最小二乘法j,图估计法u叫等.本文根据文献[11]介绍的方法计算样本失效概率,收稿日期:2010—03—23;修订日期:2010—04一】4作者简介:史景钊(1963一),男,河南柘城人,副教授,主要从事农业装备可靠性方面的研究工作.基金项目:河南农业大学博士基金项目(30500022).292?结合文献[12]介的cM(J,J)十I!逊啦饥截尾条件下的三参数weibul1分m参数估计,并征Matlab中实现了这一算法.l样本失效概率的计算假设投入寿命试验的产品数量(即样本容量)为n,产品的寿命为随机变量71,其分布函数为F(t),相应的样本失效概率为F(t),在试验结束时其中有r个产品发生了失效,其失效时间为1s2…,,有=几一r个产品由于各种原因中途撤出了试验,其撤出时间分别为Ys…Y,则观察到的随机截尾寿命数据其时间按从小到大排序后可表示为:f,产品失效时,:l,2,…,r.,【Y产品撤出时,m=1,2t,…,,'.={=1.2.….n显然这类数据不能按照完全样本数据的处理方法计算样本失效概率,必须寻找其他合适的方法.常用的方法有平均次序号法口¨和残存比率法,以下介绍平均次序号法.Johnson认为中途撤出试验的产品会造成失效产品的时问次序发生变化,应该计算失效产品的平均次序号,第r个失效产品的平均次序号为: J=J+,,(1),:(2)2i'+一\一/式中,r为产品的失效序号;J,为第r个失效数据的平均次序号,并假定Jo=0;,,为第r个失效数据平均次序号的增量;i为第r个失效数据的自然序号(包括中途撤出的数据).计算出平均次序号.,后,再以.,,通过中位秩算法或平均秩算法计算失效数据的样本失效概率.中位秩算法:(3)平均秩算法:()(4)实现这一算法的Matlab函数(Johnson.111)为:function[Fn]=Johnson(t,state)=length(t);r=0;fori=1:nif(state(i)==1)r=r+1:20l0年第28卷it(r==1)./(r)=(n+I)/(tl+2一i);%t,(r)为甲均次序数else.,(r)=_,(r—1)+(+l一(r~1))/(n+2一i);end(r)=£(i);(r)=(J(r)-0.3)/(17,+0.4);%此处也可使用平均秩算法(r)=J(r)/(十1);endend在上述函数中,t为寿命试验数据向量,包括失效数据及中途撤出数据;state为状态向量,失效时state(i)=1,撤出时state(i)=0;输出参数为失效数据向量及其中位秩向量.2利用GM(1,1)模型估计Weibul1分布参数2.1Weibul1分布参数与GM(1,1)模型的关系Weibul1分布的寿命分布函数由下式给出()=1一exp[一()](5),式中,m称为形状参数,m>0;77称为尺度参数,叼>0;y称为位置参数,对于产品寿命有O,=0时即是二参数Weibul1分布;是产品的工作时间,.式(5)经过变形处理也可表示为:=y+~Texp(1止)(6)令=In[一ln(1一F())],i=1,2,…,r,并记77=c,n:一1/m,:6,则式(6)可转化为:=cexp(一.tr)+b(7)灰色系统GM(1,1)模型的微分方程为:(f)(∈R)(8)其时间响应模型为:(£):cexp(一口£)+_(9)显然,方程(7)和方程(9)具有相同的形式,若视(,)为一时间序列,则可用GM(1,1)模型对参数a,,进行估计,进而得到m,叩的估计值.CM(1,1)模型各参数的估计值可用最小二乘法得到:3icj】景钏等:Matlabf1jGM(1,1)馍的Weltrol1分币参数汁.293. ,=(10)D=exp(一Ⅲz(1).£(),%汁D;polyf]t(B,】'IZ,1),%求形状参数千¨…..,一7-—1[bc=(DD)DX(11)式中,.:[】":::"】,-Y=[…,].由式(10)得到a和u,由式(11)得到c,比较式(7)和式(9)可知Weibul1分布参数与n,",C的关系],即m=一1/a,y:b:u/a,'7=c,式(11)算出的b是的进一步优化值.2.2参数估计以下以具体实例说明参数估计的过程.考察某机械零件的可靠性,投人10件产品进行寿命试验,试验过程中6件发生了失效,中途有4件撤出试验,失效时问及撤出时问按先后顺序排列如表1所示.表1某机械零件寿命试验表根据式(10)和式(11),编写Matlab函数(Gray.m)完成参数估计.函数代码为:functionP=Gray(,Fn)r=length();%r为失效数;tau:log(1og(1./(1一Fn))),%计算,此处用tau表示;B=一0.5.diff()一([1:r一1]),%计算B;gn=diff()./d~fr(tau),%汁算;位嚣参数初值;bc=polyfit(D,X,1),%优化位黄参数,求尺度参数;P=[一1/au(1),bc(1),bc(2)j.函数的输入为失效时问向量_干IJ佯本失效概率向量F,输出为威布尔分布参数向量P,其中P (1:1为形状参数m,P(2)为尺度参数叼,P(3)为位置参数y.在Marlab的命令窗口中输人试验数据向量及状态向量:t=[544,663,702,727,807,914,939,1084,1199,l265];state=[1,1,0,0,1,1,0,1,1,0];用[,F]=Johnson(t,state)的形式调用样本失效概率的计算函数,计算结果如表1所示. 然后用P:Gray(,F)的形式调用Gray函数即可得到估计结果.上例若用Johnson中位秩法计算样本失效概率, 得到的估计结果为P=[3.086,1026.408,92.699], 即该批零件服从形状参数为3.086,尺度参数为1026.408,位置参数为92.699的Weibul1分布. 各失效数据减去位置参数后在Weibu|l概率纸上描点(图1),可看到各点基本在一条直线上,说明试验数据确实服从三参数威布尔分布,计算结果是正确的.//.,/,夕///,/r图1用Weibull概率纸进行分布检验3结语与讨论有中途撤出的服从Weibul1分布的随机截尾数据的参数估计是比较复杂的,用Matlab强大的数学运算功能仅需不多代码即可完成,大大减轻了编程负担,提高了运算效率.实例计算表明,结合Johnson算法与GM(1,—l一"¨~+.:一ll一一,_r●●●●l"lJn式294?1)模型估l}I'三参数Wcil川¨的参敦址f,的,¨既可州于完全样本.吖川J:随饥样小.试验数据能较好地服从Weibul1分布时,仙汁结具有较高的精度,完全可满足一股f程需要.GM(1,1)模型一次性计算出3个参数,且无需迭代计算,快捷,方便,仉无法应』r参数Weibul1分布.参考文献:[1]李海波,张正平,胡彦平,等.基于随机战尾数下Weibul1分布的参数极大似然估汁与应片】[J强度与环境,2009,36(4):6O一64.[2]陈家鼎.随机裁尾情形下Weibul1分布参数的最大似然估计的相合性[J].应用概率统计,1989,5(3): 226—233.[3]师义民,杨昭军.随机截尾寿命试验三参数Weibul1 分布的统计分析[J].西北大学(自然科学版),1996,26(4):285—288.[4]BalakrishnanaN,KateriM.Onthemaxinmmlikelihood estimationofparametersofWeibulldistributionbased oncompleteandcensoreddata.StatisticsandProba~bilityLetters[J].2008,78:2971—2975.[5]林静,韩玉启,朱慧明.一种随机截尾恒加寿命试验的贝叶斯评估[J].系统工程与电子技术,2007,29(2):320—323.20l()年第2};卷[6,J恍,汤/j',必鹤R.删失效f{I戚布尔分币参数的【j!叶断挽汁分忻[J].上海帅池火学(自然科学舨),2008,37(1):28—34.[7关云,术乾坤.一参数WeibuI1分布下随机敲尾恒加寿命试验的Bayes统汁分忻[J].西南民族学院(自然科学版),1997,23(2):l44—148.f8]AlMel~WahidAA,\VinterbottomA.Approximate BayesianestimatesfortheWeibullreliabilityfunctionandhazardratefromcensoreddata『J].JournalofSta. tisticalPlanningandInference,1987.16:277—283.[9]Zhang1F,XieM,TangLC.Biascorrectionforthe]eastsquaresestimatorofWeibullshapeparameterwith completeandL.ensoreddata[J].ReliabilityEngineer- ingandSystemSafety,2006,91:930—939.[10]ZhangLF,XieM,TangLC.Astudyoftwoestimation approachesforparametersofWeibulldistributionbased onWPP[J].ReliabilityEngineeringandSystemSafe-ty,2007,92:360—368.[11]JohnsonLG.TheoryandTechniqueofV ariableRe. search[M].NewY ork:ElsevierPublishingCo.,l964.[12]邓聚龙.灰色系统基本方法[M].武汉:华中理工大学出版社,2Oo5.[13]郑荣跃,秦子增.Weibul1分布参数估计的灰色方法[J].强度与环境,1989,(2):34—4O.(上接第284页)的爆破[J].华东交通大学,2009,26(2):111—114.[3]ZhuXu—sheng,WangGuangchao.TheglobalExj:denee oftheregularsolutionsofthecompressibleEulerequa—tionswithdegeneratelineardamping[J].Journalof Mathematics,2009,29(4):401—408.[4]ThomasC.Sideris.Formationofsingularitiesinthree—di—mensionalcompressiblefluids『J].Communicationsin MathematicalPhysics,1985,10l:475—485.[5]ZhuXu—sheng,WangWei—ke.Theregularsolutionsof theisentropicEulerequationswithdegeneratelinear damping[J].ChineseAnnalsofMathematics,2005,26B(4):583—598[6]SergeA,Blowupnonlinearhyperbolicequations[M]. Boston:BrikhuserPress,1995.[7]WangWei—ke,Y angTong.Thepointwiseeatimatesofso- lutionsforEulerequationswithdmpinginmulti—,dimen?- sions[J].JournalofDifferentialEquations,2000,173,4l0—450.。

双参数威布尔分布函数的确定及曲线拟合(精)

双参数威布尔分布函数的确定及曲线拟合(精)

2007.NO.4. CN35-1272/TK图 1威布尔函数拟合曲线的仿真系统模块作者简介 :包小庆 (1959~ , 男 , 高级工程师 , 从事可再生能源的研究。

大型风电场的建设不但可以减缓用电短缺情况 , 而且并网后还能为电网提供很大一部分电能。

而大型风电场的选址 , 与该地的风速分布情况有关。

用于描述风速分布的模型很多 , 如瑞利分布、对数正态分布、 r 分布、双参数威布尔分布、 3参数威布尔分布 , 皮尔逊曲线拟合等。

经过大量的研究表明 , 双参数威布尔分布函数更接近风速的实际分布。

本文采用 4种方法计算威布尔分布函数的参数 , 并利用计算出的参数确定威布尔分布函数的实际数学模型进行曲线拟合。

最后以白云鄂博矿区风电场拟选址为例 , 使用计算机软件 (MATLAB 对该地区风速威布尔分布函数进行曲线拟合 , 得到该地区不同高度的风速分布函数曲线。

1双参数威布尔分布函数的确定双参数威布尔分布是一种单峰的正偏态分布函数 , 其概率密度函数表达式为 :p(x=kx " exp-x "(1式中 :k ———形状参数 , 无因次量 ;c ———尺度参数 , 其量纲与速度相同。

为了确定威布尔分布函数的实际模型 , 需计算出实际情况下对应函数的 2个参数。

估算风速威布尔参数的方法很多 , 本文给出4种有效的方法以确定 k 和 c 值。

1.1HOMER 软件法HOMER 是一个对发电系统优化配置与经济性分析的软件。

通过输入 1a 逐时风速数据或者月平均风速数据 , 根据实际情况设置相应参数 , 即可计算得到 k 和c 值 , 此时计算出的 k 和 c 值是计算机系统认为的最佳值。

1.2Wasp 软件法Wasp 是一个风气候评估、计算风力发电机组年发电量、风电场年总发电量的软件。

通过输入风速统计资料 , 计算机可以直接计算出 k 和 c 值。

1.3最小二乘法通过风速统计资料计算出最小二乘法拟合直线 y=ax+b 的斜率 a 和截距 b 。

详尽全面的matlab绘图教程

详尽全面的matlab绘图教程

详尽全⾯的matlab绘图教程Matlab绘图强⼤的绘图功能是Matlab的特点之⼀,Matlab提供了⼀系列的绘图函数,⽤户不需要过多的考虑绘图的细节,只需要给出⼀些基本参数就能得到所需图形,这类函数称为⾼层绘图函数。

此外,Matlab还提供了直接对图形句柄进⾏操作的低层绘图操作。

这类操作将图形的每个图形元素(如坐标轴、曲线、⽂字等)看做⼀个独⽴的对象,系统给每个对象分配⼀个句柄,可以通过句柄对该图形元素进⾏操作,⽽不影响其他部分。

本章介绍绘制⼆维和三维图形的⾼层绘图函数以及其他图形控制函数的使⽤⽅法,在此基础上,再介绍可以操作和控制各种图形对象的低层绘图操作。

⼀.⼆维绘图⼆维图形是将平⾯坐标上的数据点连接起来的平⾯图形。

可以采⽤不同的坐标系,如直⾓坐标、对数坐标、极坐标等。

⼆维图形的绘制是其他绘图操作的基础。

⼀.绘制⼆维曲线的基本函数在Matlab中,最基本⽽且应⽤最为⼴泛的绘图函数为plot,利⽤它可以在⼆维平⾯上绘制出不同的曲线。

1. plot函数的基本⽤法plot函数⽤于绘制⼆维平⾯上的线性坐标曲线图,要提供⼀组x坐标和对应的y坐标,可以绘制分别以x和y为横、纵坐标的⼆维曲线。

plot函数的应⽤格式plot(x,y) 其中x,y为长度相同的向量,存储x坐标和y坐标。

例51 在[0 , 2pi]区间,绘制曲线程序如下:在命令窗⼝中输⼊以下命令>> x=0:pi/100:2*pi;>> y=2*exp(-0.5*x).*sin(2*pi*x);>> plot(x,y)程序执⾏后,打开⼀个图形窗⼝,在其中绘制出如下曲线注意:指数函数和正弦函数之间要⽤点乘运算,因为⼆者是向量。

例52 绘制曲线这是以参数形式给出的曲线⽅程,只要给定参数向量,再分别求出x,y向量即可输出曲线:>> t=-pi:pi/100:pi;>> x=t.*cos(3*t);>> y=t.*sin(t).*sin(t);>> plot(x,y)程序执⾏后,打开⼀个图形窗⼝,在其中绘制出如下曲线以上提到plot函数的⾃变量x,y为长度相同的向量,这是最常见、最基本的⽤法。

MATLAB绘制威布尔分布曲线

MATLAB绘制威布尔分布曲线

MATLAB 绘制威布尔分布曲线威布尔分布概率密度函数:1(/)(,,)()a a x m a x f x m a e m m--=威布尔分布概率分布函数: ()()1amx F x e -=-其中m>0,是尺度参数也叫比例参数,a>0是形状参数。

X 是随机变量,是未知参数,表示时间延滞。

图1:设定尺度参数m 值为1,取五个形状参数a ,自变量x 代码如下:m=[1 1 1 1 1,2];a=[0.5 1 1.5 2.5 5,5];x=linspace(0,5);linecolor=['r','b','g','k','y'];for n=1:5y1=m(n)*a(n)*((m(n)*x).^(a(n)-1)).*(exp(-(m(n)*x).^a(n))); y=1-exp(-(m(n)*x).^a(n));subplot(1,2,2)title('图1:概率分布函数');plot(x,y);hold on;subplot(1,2,1)type=linecolor(n);title('图1:概率密度函数');plot(x,y1,type);hold on;legend('m=1,a=0.5','m=1,a=1','m=1,a=1.5','m=1,a=2.5','m=1,a=5'); end图2:设定形状参数a 值为2,取五个尺度参数m ,自变量x 代码如下:m=[0.5 0.75 1 1.5 1.75,2];a=[2 2 2 2 2.5];x=linspace(0,5);linecolor=['r','y','b','g','k'];for n=1:5y1=m(n)*a(n)*((m(n)*x).^(a(n)-1)).*(exp(-(m(n)*x).^a(n)));y=1-exp(-(m(n)*x).^a(n));subplot(1,2,2)title('图2:概率分布函数');plot(x,y);hold on;subplot(1,2,1)type=linecolor(n);title('图2:概率密度函数');plot(x,y1,type);hold on;legend('m=0.5,a=2','m=0.75,a=2','m=1,a=2','m=1.5,a=2','m=1.75,a=2'); end图3:设定尺度参数m值为1,自变量为x,a的三维概率分布图代码如下:m=1;[x,a]=meshgrid(0:0.05:4,0:0.05:5);fx=m.*a.*(m.*x).^(a-1).*(exp(-(m.*x).^a));Fx=1-exp(-(m.*x).^a);subplot(1,2,1)mesh(x,a,fx);title('图3:m=1,a,x三维概率密度分布');subplot(1,2,2)mesh(x,a,Fx);title('图3:m=1,a,x三维概率分布图');图4:设定形状参数a值为2,自变量为x,m的三维概率分布图代码如下:a=2;[x,m]=meshgrid(0:0.05:5,0:0.05:2);fx=m.*a.*(m.*x).^(a-1).*(exp(-(m.*x).^a));Fx=1-exp(-(m.*x).^a);subplot(1,2,1)mesh(x,m,fx);title('图4:a=2,m,三维概率密度分布');subplot(1,2,2)mesh(x,m,Fx);title('图4:a=2,m,x三维概率分布图');。

Matlab绘制三维图

Matlab绘制三维图

二.三维绘图一.绘制三维曲线的基本函数最基本的三维图形函数为plot3,它将二维绘图函数plot的有关功能扩展到三维空间,可以用来绘制三维曲线。

其调用格式为:plot3(x1,y1,z1,选项1,x2,y2,z2,选项2,…)其中每一组x,y,z组成一组曲线的坐标参数,选项的定义和plot的选项一样。

当x,y,z是同维向量时,则x,y,z对应元素构成一条三维曲线。

当x,y,z是同维矩阵时,则以x,y,z对应列元素绘制三维曲线,曲线条数等于矩阵的列数。

例513 绘制空间曲线该曲线对应的参数方程为t=0:pi/50:2*pi;x=8*cos(t);y=4*sqrt(2)*sin(t);z=-4*sqrt(2)*sin(t);plot3(x,y,z,'p');title('Line in 3-D Space');text(0,0,0,'origin');xlabel('X');ylabel('Y');zlabel('Z');grid;二.三维曲面1.平面网格坐标矩阵的生成当绘制z=f(x,y)所代表的三维曲面图时,先要在xy平面选定一矩形区域,假定矩形区域为D=[a,b]×[c,d],然后将[a,b]在x方向分成m份,将[c,d]在y方向分成n份,由各划分点做平行轴的直线,把区域D分成m×n个小矩形。

生成代表每一个小矩形顶点坐标的平面网格坐标矩阵,最后利用有关函数绘图。

产生平面区域内的网格坐标矩阵有两种方法:利用矩阵运算生成。

x=a:dx:b;y=(c:dy:d)’;X=ones(size(y))*x;Y=y*ones(size(x));经过上述语句执行后,矩阵X的每一行都是向量x,行数等于向量y的元素个数,矩阵Y的每一列都是向量y,列数等于向量x的元素个数。

利用meshgrid函数生成;x=a:dx:b;y=c:dy:d;[X,Y]=meshgrid(x,y);语句执行后,所得到的网格坐标矩阵和上法,相同,当x=y时,可以写成meshgrid(x)2.绘制三维曲面的函数Matlab提供了mesh函数和surf函数来绘制三维曲面图。

MATLAB各种概率分布画图

MATLAB各种概率分布画图

对全部高中资料试卷电气设备,在安装过程中以及安装结束后进行高中资料试卷调整试验;通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术关,系电,通力根1保过据护管生高线产中敷工资设艺料技高试术中卷0资不配料仅置试可技卷以术要解是求决指,吊机对顶组电层在气配进设置行备不继进规电行范保空高护载中高与资中带料资负试料荷卷试下问卷高题总中2体2资,配料而置试且时卷可,调保需控障要试各在验类最;管大对路限设习度备题内进到来行位确调。保整在机使管组其路高在敷中正设资常过料工程试况1卷中下安,与全要过,加度并强工且看作尽护下可1都关能可于地以管缩正路小常高故工中障作资高;料中对试资于卷料继连试电接卷保管破护口坏进处范行理围整高,核中或对资者定料对值试某,卷些审弯异核扁常与度高校固中对定资图盒料纸位试,置卷编.工保写况护复进层杂行防设自腐备动跨与处接装理地置,线高尤弯中其曲资要半料避径试免标卷错高调误等试高,方中要案资求,料技编试术写5、卷交重电保底要气护。设设装管备备置线4高、调动敷中电试作设资气高,技料课中并3术试、件资且中卷管中料拒包试路调试绝含验敷试卷动线方设技作槽案技术,、以术来管及避架系免等统不多启必项动要方高式案中,;资为对料解整试决套卷高启突中动然语过停文程机电中。气高因课中此件资,中料电管试力壁卷高薄电中、气资接设料口备试不进卷严行保等调护问试装题工置,作调合并试理且技利进术用行,管过要线关求敷运电设行力技高保术中护。资装线料置缆试做敷卷到设技准原术确则指灵:导活在。。分对对线于于盒调差处试动,过保当程护不中装同高置电中高压资中回料资路试料交卷试叉技卷时术调,问试应题技采,术用作是金为指属调发隔试电板人机进员一行,变隔需压开要器处在组理事在;前发同掌生一握内线图部槽 纸故内资障,料时强、,电设需回备要路制进须造行同厂外时家部切出电断具源习高高题中中电资资源料料,试试线卷卷缆试切敷验除设报从完告而毕与采,相用要关高进技中行术资检资料查料试和,卷检并主测且要处了保理解护。现装场置设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况,然后根据规范与规程规定,制定设备调试高中资料试卷方案。
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

MATLAB 绘制威布尔分布曲线
威布尔分布概率密度函数:
1(/)(,,)()a a x m a x f x m a e m m
--=
威布尔分布概率分布函数: ()()1a
mx F x e -=-
其中m>0,是尺度参数也叫比例参数,a>0是形状参数。

X 是随机变量,是未知参数,表示时间延滞。

图1:设定尺度参数m 值为1,取五个形状参数a ,自变量x
代码如下:
m=[1 1 1 1 1,2];
a=[0.5 1 1.5 2.5 5,5];
x=linspace(0,5);
linecolor=['r','b','g','k','y'];
for n=1:5
y1=m(n)*a(n)*((m(n)*x).^(a(n)-1)).*(exp(-(m(n)*x).^a(n)));
y=1-exp(-(m(n)*x).^a(n));
subplot(1,2,2)
title('图1:概率分布函数');
plot(x,y);
hold on;
subplot(1,2,1)
type=linecolor(n);
title('图1:概率密度函数');
plot(x,y1,type);
hold on;
legend('m=1,a=0.5','m=1,a=1','m=1,a=1.5','m=1,a=2.5','m=1,a=5'); end
图2:设定形状参数a值为2,取五个尺度参数m,自变量x
代码如下:
m=[0.5 0.75 1 1.5 1.75,2];
a=[2 2 2 2 2.5];
x=linspace(0,5);
linecolor=['r','y','b','g','k'];
for n=1:5
y1=m(n)*a(n)*((m(n)*x).^(a(n)-1)).*(exp(-(m(n)*x).^a(n)));
y=1-exp(-(m(n)*x).^a(n));
subplot(1,2,2)
title('图2:概率分布函数');
plot(x,y);
hold on;
subplot(1,2,1)
type=linecolor(n);
title('图2:概率密度函数');
plot(x,y1,type);
hold on;
legend('m=0.5,a=2','m=0.75,a=2','m=1,a=2','m=1.5,a=2','m=1.75,a=2'); end
图3:设定尺度参数m值为1,自变量为x,a的三维概率分布图代码如下:
m=1;
[x,a]=meshgrid(0:0.05:4,0:0.05:5);
fx=m.*a.*(m.*x).^(a-1).*(exp(-(m.*x).^a));
Fx=1-exp(-(m.*x).^a);
subplot(1,2,1)
mesh(x,a,fx);
title('图3:m=1,a,x三维概率密度分布');
subplot(1,2,2)
mesh(x,a,Fx);
title('图3:m=1,a,x三维概率分布图');
图4:设定形状参数a值为2,自变量为x,m的三维概率分布图代码如下:
a=2;
[x,m]=meshgrid(0:0.05:5,0:0.05:2);
fx=m.*a.*(m.*x).^(a-1).*(exp(-(m.*x).^a)); Fx=1-exp(-(m.*x).^a);
subplot(1,2,1)
mesh(x,m,fx);
title('图4:a=2,m,三维概率密度分布'); subplot(1,2,2)
mesh(x,m,Fx);
title('图4:a=2,m,x三维概率分布图');。

相关文档
最新文档