APP下载

随机数组统计偏差对Weibull分布参数估计的影响

2014-07-22王桂金

轴承 2014年7期

王桂金

(原钢铁研究总院,北京 100081)

1 均布于(0,1)随机数的统计量

理想均匀分布于(0,1)的随机数组具有如下统计量[1]:

均值(MEAN)μ0=0.5;

标准差(STDEV)σ0=0.288 68;

斜度 (SKEW)γ10=0.0;

过剩峭度(KURT)γ20=-1.2。

然而,在(0,1)准均匀分布的1组随机数组的统计量很难严格符合上述要求,存在如下偏差:

均值偏差δ(μ)=μ1-μ0;

标准差偏差δ(σ)=σ1-σ0;

斜度偏差δ(γ1)=γ11-γ10;

过剩峭度偏差δ(γ2)=γ21-γ20,

其中,下角标1为准随机数组的统计量。根据文献[2],随机数α对应的Weibull随机寿命L为

L=λ0{ln(α)}1/κ0,

(1)

下文中模拟形状参数κ0和尺寸参数λ0均设为1。

2 参数κ和λ的计算

按(1)式产生的随机寿命组L,可用极大似然法(MLE)通过下式迭代计算获得该数组的实际Weibull分布形状参数κ和尺寸参数λ。

(2)

(3)

式中:N为样本数。为保证结果的可靠性,计算进行到(2)式左侧绝对值小于10-5后停止。从文献[3]中取得28组(0,1)准均匀随机数组,每组100个数据,各随机数组的统计量及其随机寿命的实际极大似然法Weibull参数κ和λ见表1。

表1 28组(0,1) 准均匀随机数组的统计量及其参数κ和λ

3 κ和λ的最小二乘法拟合

令随机寿命数组的实际形状参数κ和尺寸参数λ偏离期望值为

δ(κ)=κ-κ0;

δ(λ)=λ-λ0。

(4)

假定拟合的δ(κ1)和δ(λ1)分别为准随机数组4个统计量偏差的线性函数,则

δ(m1)=a0+a1δ(μ)+a2δ(σ)+a3δ(γ1)+a4δ(γ2);m1=κ1,λ1,

(5)

于是应用最小二乘法得

min{∑i[δ(m1)i-δ(m)i]2};i=1~28,m=κ,λ,

(6)

式中:δ(m)为随机寿命实际Weibull参数偏离值,可分别得到δ(m1)的最佳系数a0,a1,a2,a3和a4。实际上,δ(μ),δ(σ),δ(γ1)和δ(γ2)分别与随机参数分布的1~4次矩有关。

3.1 形状参数κ的最小二乘法(LSD)拟合

经过运算,这28组随机寿命拟合δ(κ1)的结果为

δ(κ1)=0.012 8-0.345δ(μ)-6.95δ(σ)+0.276δ(γ1)-0.287δ(γ2),

(7)

min{∑i[δ(κ1)i-δ(κ)i]2}=0.017 329,i=1~28。

最大和最小的绝对偏差为

max|δ(κ1)i-δ(κ)|=0.077 964,

min|δ(κ1)i-δ(κ)|=0.001 320。

最小二乘法拟合的形状参数κ1和随机寿命数组实际参数κ相差的绝对值平均只有0.004 7,而单个数据相差的绝对值不超过0.08。κ相对期望值1的最大偏离是+0.250 39和-0.125 95(表1)。……

登录APP查看全文