问题描述
假设我有一系列每小时测量值，例如平均风速。开始和结束日期用于在时间方面限制数据。 根据这些数据，我可以计算各个类别的值的频率。第一类包括 0 和
Category Amount Frequency (in %)
0-1 km/h 42 0.64
1-2 km/h 444 6.78
2-3 km/h 871 13.30
3-4 km/h 1130 17.25
4-5 km/h 1119 17.08
5-6 km/h 934 14.26
6-7 km/h 703 10.73
7-8 km/h 490 7.48
8-9 km/h 351 5.36
9-10 km/ 219 3.34
10-11km/h 143 2.18
11-12 km/h 52 0.79
12-13 km/h 13 0.20
13-14 km/h 15 0.23
14-15 km/h 6 0.09
15-16 km/h 6 0.09
16-17 km/h 4 0.06
17-18 km/h 3 0.05
18-19 km/h 4 0.06
20-21 km/h 2 0.03
如何从这些值中确定威布尔比例因子和威布尔形状因子（例如，使用 python，可靠性（？））？
到目前为止，我只将测量系列中的所有单个值传递给了 python 可靠性 (Fit_Weibull_2P)，从而确定了两个参数。但是，确定的参数似乎不正确（后来绘制的曲线不正确）或者我没有将值正确传递给 Fit_Weibull_2P。
有没有人知道我哪里有错误或者如何以不同的方式解决它？也许不是个人价值观，而是频率？
解决方法
我不知道您的样本数据是什么，但即使使用分箱数据也能得到很好的近似值。比较 (1) 不使用 floc=0 与 (2) 指定 floc=0 以强制左边界为 0。
RuntimeError: assigned grad has data of a different size
这可能对您有帮助，也可能无济于事，但您可以通过以下方式在 R 中做到这一点。
text="
Category Amount 'Frequency (in %)'
'0-1 km/h' 42 0.64
'1-2 km/h' 444 6.78
'2-3 km/h' 871 13.30
'3-4 km/h' 1130 17.25
'4-5 km/h' 1119 17.08
'5-6 km/h' 934 14.26
'6-7 km/h' 703 10.73
'7-8 km/h' 490 7.48
'8-9 km/h' 351 5.36
'9-10 km/h' 219 3.34
'10-11km/h' 143 2.18
'11-12 km/h' 52 0.79
'12-13 km/h' 13 0.20
'13-14 km/h' 15 0.23
'14-15 km/h' 6 0.09
'15-16 km/h' 6 0.09
'16-17 km/h' 4 0.06
'17-18 km/h' 3 0.05
'18-19 km/h' 4 0.06
'20-21 km/h' 2 0.03
"
df=read.table(text=text,header=TRUE)
left=c(0)
right=c(.5)
for (i in 2:20) {
left[i]=i-2+.5
right[i]=i-1+.5
}
df1=mutate(df,left=left,right=right)
library(tidyr)
df1=uncount(df1,Amount)
bins=select(df1,left,right)
fitdistcens(bins,"weibull")
Fitting of the distribution ' weibull ' on censored data by maximum likelihood
Parameters:
estimate
shape 1.953459
scale 5.152375