Sei sulla pagina 1di 5

DISTRIBUZIONE DI WEIBULL

La funzione di densit di probabilit della legge di distribuzione di Weibull, f(H) risulta


completamente definita da tre parametri:
- il fattore di scala b;
- il fattore di posizione x
0
;
- il fattore di forma k.
(
(

|
.
|

\
|
|
.
|

\
|
=
k k
b
x H
b
x H
b
k
H f
0
1
0
exp ) ( con k > 0, b > 0 e H x
0
0
Secondo questa legge, la probabilit di eccedenza P(H) risulta essere:
(
(

|
.
|

\
|
=
k
b
x H
H P
0
exp ) (
Ponendo x
0
= 0 si definisce la distribuzione di Weibull a 2 parametri.
(
(

|
.
|

\
|
=
k
b
H
H P exp ) (
La distribuzione di Weibull legata ad una serie di distribuzione di probabilit, in particolare
interpola la distribuzione esponenziale (se k = 1) e la distribuzione di Rayleigh (se k = 2).

Si riportano degli esempi che servono a confronto dellandamento della P(H) al variare dei
parametri.
In Figura 1 si mantiene costante il fattore di scala facendo variare il fattore di forma, contrario
avviene invece in Figura 2.












0 5 10 15
H
1.0E-003
1.0E-002
1.0E-001
1.0E+000
P
r
o
b
a
b
i
l
i
t
y

o
f

E
x
c
e
e
d
a
n
c
e

,

P
e
x
(
H
)
b = cost
k=1
k=1.5
k=2
k=2.5
Fig. 1: Probabilit di eccedenza secondo distribuzione Weibull al variare del fattore di forma










0 5 10 15
H
1.0E-003
1.0E-002
1.0E-001
1.0E+000
P
r
o
b
a
b
i
l
i
t
y

o
f

E
x
c
e
e
d
a
n
c
e

,

P
e
x
(
H
)
k = cost
b=1
b=2
b=3
b=4
Fig. 2: Probabi li t di eccedenza secondo distribuzi one Weibull al variare del fattore di scala

STIMA DEI PARAMETRI
Esistono diversi modi per stimare i parametri caratteristici della distribuzione, essi sono divisibili in
2 categorie: metodi grafici e metodi analitici.
Metodi grafici:
essendo F(H) la probabilit cumulata di non superamento:
(
(

|
.
|

\
|
= =
k
b
H
H P H F exp 1 ) ( 1 ) (
risulta essere:
b k H k
H F
b
H
H F
b
H
H F
b
H
H F
k
k
k
ln ln
) ( 1
1
ln ln
) ( 1
1
ln
exp
) ( 1
1
exp ) ( 1
=
)
`

|
.
|

\
|
=
(

(
(

|
.
|

\
|
=

(
(

|
.
|

\
|
=

Lultima equazione quella di una retta, per plottare F(H) rispetto H si usa la seguente procedura:
1) Si ordina il campione in ordine ascendente;
2) Si stima F(H
i
) tramite uno dei metodi illustrati in Tabella 1 (n = popolazione del campione).

METHOD F(H
i
)
Mean Rank
1 + n
i

Median Rank
4 . 0
3 . 0
+

n
i

Symmetrical CDF
n
i 5 . 0

Tabella 1: Metodi per la stima di F(H
i
)



Metodi analitici:
In questa categoria esistono diversi metodi:
- metodo della massima verosimiglianza (MLE: Maximum Likelihood Estimator);
- metodo dei momenti (MOM: Method of Moments);
- metodo dei minimi quadrati (LSM: Least Squares Method).
Si illustra solamente lultimo metodo che risulta essere quello pi semplice.
Ci si riferisce allequazione lineare gi vista nel metodo grafico:
b k H k
H F
ln ln
) ( 1
1
ln ln =
)
`


Si pu inoltre scrivere:

(
(
(
(

=
n
i
n
i
n
H
1
1
1
1
ln ln
1

) ( ln
1
1
i
n
i
H
n
Y

=
=
Ne segue:
| |
( )
2
1 1
2
1 1 1
) ln( ) ln(
1
1
1
ln ln ) ln(
1
1
1
ln ln ) ln(

)
`

)
`

(
(
(
(

|
|
|
|
.
|

\
|
+

(
(
(
(

|
|
|
|
.
|

\
|
|
|
|
|
.
|

\
|
+


=


= =
= = =
n
i
i
n
i
i
n
i
n
i
i
n
i
i
H H n
n
i
H
n
i
H n
k

|
|
.
|

\
|

=
k
H Y
b

exp