《表4 Weibull分布Ⅰ的分位数预测结果：基于多组数据》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于同一位置-尺度分布族的汽车零部件寿命预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：样本的每个寿命p分位数均基于一组重新生成的样本（样本量仍为n）得到，其余设置与表3相同。

对于寿命呈Weibull分布的情形，形状参数取不同值时Weibull分布的密度曲线将呈现出不同的形态特征：如c=1时为指数分布，c=2时为瑞利分布，c=3.4时近似正态分布；c越小，分布的左偏程度越高，随c增大分布由左偏转为右偏[7]。选取两组不同参数进行随机模拟，以观察模型对于参数变化是否具备稳健性，及预测精度随参数改变的变化趋势。设两组随机模拟中的寿命分布均为Weibull分布，第一组待预测国内汽车零部件寿命分布的形状参数c=2，尺度参数η=15，欧美参照零部件寿命分布的形状参数c=3，尺度参数η=20；第二组待预测国内汽车零部件寿命分布的形状参数c=3.4，尺度参数η=10，欧美参照零部件寿命分布的形状参数c=4，尺度参数η=15。其余所有设置与对数正态分布下的模拟相同。第一组随机模拟的结果列于表3和表4，第二组随机模拟的结果列于表5和表6：仍然，在表3和表5中，样本的各个寿命p分位数基于同一样本序列得到；在表4和表6中，样本的每个寿命p分位数均基于一组重新生成的样本得到。