威布尔分布百分位数(分位数)计算器

威布尔分布百分位数(分位数)计算器

新兴 AI Skill PRO

输入计算

数学公式

xP=η(−ln⁡(1−P))1mx_{P} = {\eta}\left(-\ln\left(1-P\right)\right)^{\frac{1}{m}}
使用统计

广告

结果

百分位数 x
0.8325546112
达到该累积概率时对应的数值(单位与 η 相同)
下侧累积概率 P 0.5
上侧累积概率 Q 0.5

报告本页错误

什么是威布尔分布百分位数计算器?

这个工具用于计算双参数威布尔分布的百分位数(也称为分位数或逆 CDF)。只要给定形状参数 \(m\)、尺度参数 \(\eta\) 以及一个累积概率,它就会返回分布达到该概率时对应的数值 \(x\)。它是一款纯粹的统计计算工具,不涉及任何地区性规则,适用于世界各地。

威布尔分布简介

双参数威布尔分布包含一个形状参数 \(m\)(有时记作 \(k\) 或 \(\beta\))和一个尺度参数 \(\eta\)(有时记作 \(\alpha\) 或 \(\lambda\)),两者均必须严格为正,定义域为 \(x \ge 0\)。其下侧累积分布函数为 $$P = F(x) = 1 - \exp\left(-\left(\frac{x}{\eta}\right)^{m}\right)$$ 上侧(生存)概率为 $$Q = 1 - F(x) = \exp\left(-\left(\frac{x}{\eta}\right)^{m}\right)$$ 因此 \(P + Q = 1\)。

不同形状参数下的威布尔概率密度函数曲线
固定尺度时,威布尔概率密度函数的形状随形状参数 \(m\) 发生显著变化。

分位数公式

将 \(P = 1 - \exp\left(-\left(\frac{x}{\eta}\right)^{m}\right)\) 对 \(x\) 求解,即可得到逆 CDF:$$x = \eta\left(-\ln\left(1-P\right)\right)^{\frac{1}{m}}$$ 如果你输入的是上侧概率 \(Q\),计算器会先通过 \(P = 1 - Q\) 进行换算,等价地得到 $$x = \eta\left(-\ln\left(Q\right)\right)^{\frac{1}{m}}$$ 输出的 \(x\) 所带的单位与尺度参数所代表的单位一致(如小时、循环次数等)。

广告
将概率映射到 x 值的累积分布函数百分位示意图
分位数可通过读取逆 CDF 求得:选取一个概率 \(P\),再映射到 \(x\)。

使用方法

输入形状参数 \(m\) 和尺度参数 \(\eta\)。选择你的概率值是下侧累积概率 \(P\) 还是上侧累积概率 \(Q\),然后输入一个严格位于 0 与 1 之间的概率值。计算结果即为百分位数 \(x\)。

计算示例

取 \(m = 2\),\(\eta = 1\),下侧概率 \(P = 0.5\):\(-\ln(1 - 0.5) = 0.693147\),而 \(0.693147^{\frac{1}{2}} = 0.832555\),因此 $$x = 1 \times 0.832555 = 0.83255$$ 这正是 Weibull(2, 1)(即瑞利分布)的中位数。

解读威布尔百分位数与形状参数

百分位数 \(x_P\) 是指总体中有比例 \(P\) 的个体落在其之下的数值,即 \(F(x_P)=P\)。在可靠性工作中,它是预计有比例 \(P\) 的单元已经失效时所经过的时间。例如,\(P=0.10\) 给出 B10 寿命,\(P=0.5\) 给出中位数。对威布尔累积分布函数求逆,得到:

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

如果输入的是上侧(生存)概率 \(Q\),则对应的下侧概率为 \(P = 1-Q\)。

特征寿命

当 \(x=\eta\) 时,累积分布函数为 \(1-e^{-1}\approx 0.632\),与形状 \(m\) 无关。因此尺度参数 \(\eta\)(特征寿命)始终是第 63.2 百分位数。

形状参数 m

  • m < 1:失效率随时间下降,这是早期失效或早期缺陷的典型特征。
  • m = 1:失效率恒定。威布尔分布退化为指数分布。
  • m > 1:失效率随时间上升,这是磨损和老化的典型特征。
  • m = 2:这就是瑞利分布,其失效率随时间线性增加。

尺度变换

对于固定的 \(m\) 和 \(P\),百分位数与 \(\eta\) 成线性比例关系。\(\eta\) 翻倍,每个百分位数也翻倍。形状 \(m\) 控制百分位数的分散程度:\(m\) 越大,各百分位数越紧密地聚集在 \(\eta\) 附近。

广告

常用可靠性百分位数(B 寿命)参考表

每个百分位数为 \(x = \eta \cdot f^{1/m}\),其中 \(f=-\ln(1-P)\) 即表中的因子。最后一列给出瑞利情形 \(m=2\) 下的 \(x/\eta\),此时指数 \(1/m\) 就是平方根。对于 \(m=1\),\(x/\eta\) 等于因子本身。

标签 P(累积概率) 因子 \(-\ln(1-P)\) \(m=2\) 时的 \(x/\eta\)
B1 0.01 0.01005 0.1002
B5 0.05 0.05129 0.2265
B10 0.10 0.10536 0.3246
B50(中位数) 0.50 0.69315 0.8326
特征寿命 0.632121 1.00000 1.0000
B90 0.90 2.30259 1.5174
B99 0.99 4.60517 2.1460

示例:当 \(\eta=1000\)、\(m=2\) 时,B10 寿命为 \(x = 1000 \times 0.10536^{1/2} \approx 324.6\)。

注意,该因子与形状无关。形状只通过指数 \(1/m\) 起作用。

常见问题

如果我手里是可靠度(生存)概率怎么办?那就是上侧概率 \(Q\);选择"上侧累积概率 Q"并直接输入即可。

为什么概率必须严格位于 0 与 1 之间?当 \(P\) 趋近于 1 时,百分位数会趋向无穷大;而当 \(P = 0\) 时百分位数为 0;取到边界值或超出边界都会使对数无定义。

结果会是负数吗?不会。威布尔分布的定义域为 \(x \ge 0\),因此百分位数始终是非负值。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器