scipy.stats.weibull_min.fit() -如何处理右审查数据？
scipy.stats.weibull_min.fit() -如何处理右审查数据？
提问于 2017-12-14 12:33:03
非删失(完整)数据集
我正在尝试使用scipy.stats.weibull_min.fit()函数来拟合一些生活数据。示例生成的数据包含在下面的values中。
values = np.array(
[10197.8, 3349.0, 15318.6, 142.6, 20683.2,
6976.5, 2590.7, 11351.7, 10177.0, 3738.4]
)我尝试使用以下函数进行拟合：
fit = scipy.stats.weibull_min.fit(values, loc=0)结果是：
(1.3392877335100251, -277.75467055900197, 9443.6312323849124)这与名义beta和ETA值1.4%和10000不远。
右删失数据
威布尔分布以其处理右删失数据的能力而闻名。这使得它对可靠性分析非常有用。如何在scipy.stats中处理右审查数据？也就是说，曲线适用于还没有经历过故障数据？
输入表单可能如下所示：
values = np.array(
[10197.8, 3349.0, 15318.6, 142.6, np.inf,
6976.5, 2590.7, 11351.7, 10177.0, 3738.4]
)或者使用np.nan或简单地使用0。
这两个np解决方案都会抛出RunTimeWarning，并且肯定不会接近正确的值。我使用数值--比如0和-1 --删除了RunTimeWarning，但是返回的参数明显有缺陷。
其他软件
在一些可靠性或寿命分析软件(minitab、lifelines)中，需要有两列数据，一列用于实际数字，另一列用于指示项目是否失败。例如：
values = np.array(
[10197.8, 3349.0, 15318.6, 142.6, 0,
6976.5, 2590.7, 11351.7, 10177.0, 3738.4]
)
censored = np.array(
[True, True, True, True, False,
True, True, True, True, True]
)我在文档中看不到这样的路径。
回答 1
Stack Overflow用户
发布于 2021-06-14 16:01:29
老问题，但如果有人遇到这个问题，有一个新的python生存分析包，surpyval，它处理这个问题，以及其他审查和截断的情况。对于您上面提供的示例，它将简单地：
import surpyval as surv
values = np.array([10197.8, 3349.0, 15318.6, 142.6, 6976.5, 2590.7, 11351.7, 10177.0, 3738.4])
# 0 = failed, 1 = right censored
censored = np.array([0, 0, 0, 0, 0, 1, 1, 1, 0])
model = surv.Weibull.fit(values, c=censored)
print(model.params)
(10584.005910580288, 1.038163987652635)您可能还会对威布尔图感兴趣：
model.plot(plot_bounds=False)
完全公开，我是surpyval的创建者
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47805978
复制相关文章
相似问题
腾讯云开发者
