Máy Tính Phân Vị (Quantile) Phân Phối Weibull

Máy Tính Phân Vị (Quantile) Phân Phối Weibull

Mới nổi AI Skill PRO

Nhập phép tính

Công thức

xP=η(−ln⁡(1−P))1mx_{P} = {\eta}\left(-\ln\left(1-P\right)\right)^{\frac{1}{m}}
Thống kê sử dụng

Quảng cáo

Kết quả

Phân vị x
0,8325546112
giá trị mà tại đó đạt được xác suất tích lũy (cùng đơn vị với η)
Xác suất tích lũy dưới P 0,5
Xác suất tích lũy trên Q 0,5

Báo lỗi nội dung trang này

Máy tính phân vị phân phối Weibull là gì?

Công cụ này tính phân vị (còn gọi là quantile hay hàm CDF nghịch đảo) của phân phối Weibull hai tham số. Khi cho trước tham số hình dạng \(m\), tham số tỷ lệ \(\eta\) và một xác suất tích lũy, công cụ trả về giá trị \(x\) mà tại đó phân phối đạt đến xác suất đó. Đây là một công cụ thống kê thuần túy, áp dụng được ở mọi nơi và không phụ thuộc vào quy định riêng của bất kỳ quốc gia nào.

Phân phối Weibull

Phân phối Weibull hai tham số gồm một tham số hình dạng \(m\) (đôi khi ký hiệu là \(k\) hoặc \(\beta\)) và một tham số tỷ lệ \(\eta\) (đôi khi ký hiệu là \(\alpha\) hoặc \(\lambda\)), cả hai đều dương ngặt, với miền xác định \(x \geq 0\). Hàm phân phối tích lũy dưới của nó là $$P = F(x) = 1 - \exp\left(-\left(\frac{x}{\eta}\right)^{m}\right).$$ Xác suất tích lũy trên (xác suất sống sót) là $$Q = 1 - F(x) = \exp\left(-\left(\frac{x}{\eta}\right)^{m}\right),$$ do đó \(P + Q = 1\).

Các đường cong hàm mật độ xác suất Weibull với những tham số hình dạng khác nhau
Hàm mật độ Weibull thay đổi hình dạng rõ rệt theo tham số hình dạng \(m\) khi giữ cố định tham số tỷ lệ.

Công thức quantile

Giải phương trình \(P = 1 - \exp\left(-\left(\frac{x}{\eta}\right)^{m}\right)\) theo \(x\) ta được hàm CDF nghịch đảo: $$x = \eta\left(-\ln\left(1-P\right)\right)^{\frac{1}{m}}.$$ Nếu bạn nhập xác suất đuôi trên \(Q\), máy tính sẽ chuyển đổi trước qua công thức \(P = 1 - Q\), tương đương với $$x = \eta\left(-\ln\left(Q\right)\right)^{\frac{1}{m}}.$$ Kết quả \(x\) mang đúng đơn vị mà tham số tỷ lệ biểu diễn (giờ, chu kỳ, v.v.).

Quảng cáo
Hàm phân phối tích lũy với ánh xạ phân vị từ xác suất sang giá trị x
Tìm phân vị bằng cách đọc CDF nghịch đảo: chọn xác suất \(P\) rồi chiếu xuống \(x\).

Cách sử dụng

Nhập tham số hình dạng \(m\) và tham số tỷ lệ \(\eta\). Chọn xem giá trị xác suất của bạn là xác suất tích lũy dưới \(P\) hay xác suất tích lũy trên \(Q\), sau đó nhập xác suất nằm hoàn toàn trong khoảng từ 0 đến 1. Kết quả nhận được là phân vị \(x\).

Ví dụ minh họa

Với \(m = 2\), \(\eta = 1\), xác suất dưới \(P = 0{,}5\): $$-\ln\left(1 - 0{,}5\right) = 0{,}693147,$$ và \(0{,}693147^{\frac{1}{2}} = 0{,}832555\), nên $$x = 1 \times 0{,}832555 = 0{,}83255.$$ Đây chính là trung vị của phân phối Weibull(2, 1) (phân phối Rayleigh).

Diễn giải phân vị Weibull và tham số hình dạng

Phân vị \(x_P\) là giá trị mà phía dưới nó có một tỷ lệ \(P\) của tổng thể, tức là \(F(x_P)=P\). Trong công tác độ tin cậy, đây là thời gian mà một tỷ lệ \(P\) các thiết bị được kỳ vọng đã hỏng. Ví dụ, \(P=0.10\) cho tuổi thọ B10 và \(P=0.5\) cho trung vị. Nghịch đảo hàm phân bố tích lũy Weibull cho:

$$x_P = \eta\left(-\ln(1-P)\right)^{1/m}$$

Nếu bạn nhập xác suất trên (sống sót) \(Q\), xác suất dưới tương đương là \(P = 1-Q\).

Tuổi thọ đặc trưng

Khi \(x=\eta\), hàm phân bố tích lũy bằng \(1-e^{-1}\approx 0.632\), bất kể hình dạng \(m\) là bao nhiêu. Vì vậy tham số tỷ lệ \(\eta\) (tuổi thọ đặc trưng) luôn là phân vị 63.2.

Tham số hình dạng m

  • m < 1: tỷ lệ hỏng giảm theo thời gian, thường gặp ở giai đoạn hỏng sớm do khuyết tật ban đầu.
  • m = 1: tỷ lệ hỏng không đổi. Phân bố Weibull trở thành phân bố mũ.
  • m > 1: tỷ lệ hỏng tăng theo thời gian, thường gặp ở giai đoạn mòn và lão hóa.
  • m = 2: đây là phân bố Rayleigh, trong đó tỷ lệ hỏng tăng tuyến tính theo thời gian.

Co giãn theo tỷ lệ

Với \(m\) và \(P\) cố định, phân vị tỷ lệ tuyến tính với \(\eta\). Tăng gấp đôi \(\eta\) sẽ làm tăng gấp đôi mọi phân vị. Tham số hình dạng \(m\) quyết định mức độ phân tán của các phân vị: \(m\) lớn hơn khiến chúng tập trung chặt hơn quanh \(\eta\).

Quảng cáo

Bảng tham chiếu phân vị độ tin cậy thông dụng (tuổi thọ B)

Mỗi phân vị được tính theo \(x = \eta \cdot f^{1/m}\), trong đó \(f=-\ln(1-P)\) là hệ số trong bảng. Cột cuối cùng cho \(x/\eta\) với trường hợp Rayleigh \(m=2\), khi đó số mũ \(1/m\) chính là căn bậc hai. Với \(m=1\), \(x/\eta\) bằng chính hệ số \(f\).

Nhãn P (xác suất tích lũy) Hệ số \(-\ln(1-P)\) \(x/\eta\) khi \(m=2\)
B1 0.01 0.01005 0.1002
B5 0.05 0.05129 0.2265
B10 0.10 0.10536 0.3246
B50 (trung vị) 0.50 0.69315 0.8326
Tuổi thọ đặc trưng 0.632121 1.00000 1.0000
B90 0.90 2.30259 1.5174
B99 0.99 4.60517 2.1460

Ví dụ: với \(\eta=1000\) và \(m=2\), tuổi thọ B10 là \(x = 1000 \times 0.10536^{1/2} \approx 324.6\).

Lưu ý rằng hệ số không phụ thuộc vào hình dạng. Hình dạng chỉ xuất hiện qua số mũ \(1/m\).

Câu hỏi thường gặp

Nếu tôi có xác suất độ tin cậy (sống sót) thì sao? Đó chính là xác suất trên \(Q\); hãy chọn "Xác suất tích lũy trên \(Q\)" và nhập trực tiếp giá trị đó.

Tại sao xác suất phải nằm hoàn toàn trong khoảng từ 0 đến 1? Khi \(P\) tiến tới 1, phân vị tiến tới vô cực; còn khi \(P = 0\) thì phân vị bằng 0. Các giá trị nằm tại hoặc vượt quá biên sẽ khiến hàm logarit không xác định.

Kết quả có thể âm không? Không. Miền xác định của Weibull là \(x \geq 0\), nên phân vị luôn không âm.

Cập nhật lần cuối:

Phổ biến nhất trong Toán học và Thống kê

Xem tất cả máy tính Toán học và Thống kê