BirnbaumSaundersDistribution

BirnbaumSaundersDistribution[α,λ]

表示形状参数为 α、尺度参数为 λ 的 Birnbaum–Saunders 分布.

更多信息

背景

  • BirnbaumSaundersDistribution[α,λ] 表示了一个定义在区间 上，有两个正值参数 α 和 λ 的连续统计分布，称为 Birnbaum–Saunders 分布. 这里，α 被称为“形状参数”，γ 是所谓的“比例参数”，而这些参数一起决定了其概率密度函数（PDF）的许多性质，包括它在平面上的高度和水平位置. Birnbaum–Saunders 分布的 PDF 是单峰的且有一个“薄尾部”，意思是说当 的值较大时 PDF 是指数衰减的.（这一行为可通过研究分布的 SurvivalFunction 做精确的定量分析.）
  • Birnbaum–Saunders 分布可以追溯到 1960 年代末数学家 Z. W. Birnbaum 和 S. C. Saunders 的工作，最初是作为材料在反复的应力应变下的寿命模型提出的. Birnbaum–Saunders 分布，也被称为疲劳寿命分布，仍然积极的被用于对制造业中的生命周期建模. 最近，该分布的修正版本已经被用于对饮用水中的矿物质浓度分布进行精确的建模. 此外，该分布还被用于近似逆高斯分布（InverseGaussianDistribution）的分位点函数，在工程科学的各个领域进行分析，以及对某些快速下滑情况下的生物过程建模.
  • RandomVariate 可被用于给出 Birnbaum–Saunders 分布的一个或多个机器精度或任意精度（后者可用 WorkingPrecision 选项指定）的伪随机变量. Distributed[x,BirnbaumSaundersDistribution[α,λ]]，更简洁的写法是 xBirnbaumSaundersDistribution[α,λ]，可被用于声明随机变量 x 是 Birnbaum–Saunders 分布的. 这样一个声明之后可用在如 Probability、NProbability、Expectation 以及 NExpectation 这样的函数中.
  • 概率密度函数和累积分布函数可用 PDF[BirnbaumSaundersDistribution[α,λ],x] 和 CDF[BirnbaumSaundersDistribution[α,λ],x] 求得. 平均数、中位数、方差、原点矩及中心矩可分别用 Mean、Median、Variance、Moment 和 CentralMoment 计算.
  • DistributionFitTest 可被用于测试给定的数据集是否与 Birnbaum–Saunders 分布一致，EstimatedDistribution 可被用于根据给定数据估算 Birnbaum–Saunders 参数化分布，而 FindDistributionParameters 可拟合数据和 Birnbaum–Saunders 分布. ProbabilityPlot 可被用于生成给定数据的 CDF 相对于符号 Birnbaum–Saunders 分布的 CDF 的图线，而 QuantilePlot 可被用于生成给定数据的分位数相对于符号 Birnbaum–Saunders 分布的分位数的图线.
  • TransformedDistribution 可被用于表示转换的 Birnbaum–Saunders 分布，CensoredDistribution 可被用于表示删截后位于上限值和下限值之间的值分布，而 TruncatedDistribution 可被用于表示截断后位于上限值和下限值之间的值分布. CopulaDistribution 可被用于建立包含了 Birnbaum–Saunders 分布的高维分布，而 ProductDistribution 可被用于计算包括 Birnbaum–Saunders 分布在内的，若干个独立分量分布的联合分布.
  • Birnbaum–Saunders 分布与许多其它分布密切相关. 例如，对给定的随机变量 ，XBirnbaumSaundersDistribution[α,γ] 当且仅当 YNormalDistribution[]，其中 . 从视觉上看，BirnbaumSaundersDistribution 的 PDF 往往呈“钟形”，从而引入了和许多其它分布的定性关系，包括 CauchyDistribution、StudentTDistribution 以及 LogisticDistribution. BirnbaumSaundersDistribution 还和 LogNormalDistribution、BetaDistribution 和 JohnsonDistribution 有关.

范例

打开所有单元关闭所有单元

基本范例  (4)

概率密度函数：

累积分布函数：

均值和方差：

中位数：

范围  (8)

生成一组服从 Birnbaum–Saunders分布的伪随机数样本：

将直方图与概率密度函数比较：

分布参数估计：

根据样本数据估计分布参数：

比较样本密度直方图和所估计分布的概率密度函数：

偏度仅取决于形状参数 α：

极限值：

峰度仅取决于形状参数 α：

极限值：

以参数的函数形式表示不同矩的解析式：

Moment:

具有符号式阶数的解析式：

CentralMoment:

FactorialMoment:

Cumulant:

具有符号式阶数的解析式：

风险函数：

分位数函数：

Quantity 在参数中的一致性使用生成 QuantityDistribution：

求四分位数：

应用  (3)

一个元件的寿命（以小时计）服从 及 的 Birnbaum-Saunders 分布. 求该元件寿命超过300小时的概率：

求该元件在正常工作300小时后，能够继续工作到500小时以后的概率：

求元件失效的平均时间：

对这样的30个独立元件的失效时间进行模拟：

元件 A 失效的时间（以小时计）服从 及 的 Birnbaum-Saunders 分布，而元件 B 的失效率每小时为1. 求这两个元件均失效需要的平均时间：

求元件 A 先于 B 失效的概率：

尽管两个元件的平均寿命相同，服从 Birnbaum-Saunder 分布的元件往往会先失效：

一设备的寿命服从 Birnbaum-Saunders 分布. 求该设备的可靠度：

风险函数具有水平渐近线 ：

求两个这种设备串联的可靠度：

求两个这种设备并联的可靠度：

比较 及 时两个系统的可靠度：

属性和关系  (3)

当使用一个正因子为比例进行缩放时，新生成的分布仍然是 Birnbaum–Saunders 分布：

如果 服从 Birnbaum–Saunders 分布，那么 也服从 Birnbaum–Saunders 分布：

Birnbaum–Saunders 分布与 NormalDistribution 相关：

巧妙范例  (1)

取不同 α 值时的概率密度函数与累积分布函数等高图：

Wolfram Research (2010)，BirnbaumSaundersDistribution，Wolfram 语言函数，https://reference.wolfram.com/language/ref/BirnbaumSaundersDistribution.html （更新于 2016 年）.

文本

Wolfram Research (2010)，BirnbaumSaundersDistribution，Wolfram 语言函数，https://reference.wolfram.com/language/ref/BirnbaumSaundersDistribution.html （更新于 2016 年）.

CMS

Wolfram 语言. 2010. "BirnbaumSaundersDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/BirnbaumSaundersDistribution.html.

APA

Wolfram 语言. (2010). BirnbaumSaundersDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/BirnbaumSaundersDistribution.html 年

BibTeX

@misc{reference.wolfram_2024_birnbaumsaundersdistribution, author="Wolfram Research", title="{BirnbaumSaundersDistribution}", year="2016", howpublished="\url{https://reference.wolfram.com/language/ref/BirnbaumSaundersDistribution.html}", note=[Accessed: 18-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_birnbaumsaundersdistribution, organization={Wolfram Research}, title={BirnbaumSaundersDistribution}, year={2016}, url={https://reference.wolfram.com/language/ref/BirnbaumSaundersDistribution.html}, note=[Accessed: 18-November-2024 ]}