Weibull寿命建模与参数估计工程 - 第1节

1. 课程导论

威布尔分布由瑞典工程师 Waloddi Weibull 于 1939 年首次提出，并在 1951 年的经典论文 "A Statistical Distribution Function of Wide Applicability" 中系统阐述了其数学形式与工程应用。Weibull 最初将该分布用于描述材料的断裂强度与疲劳寿命，随后迅速被可靠性工程、寿命数据分析、气象学、生物学等领域广泛采纳。

1.2 在可靠性工程中的核心地位

威布尔分布是可靠性工程中应用最广泛的寿命分布模型之一，其核心优势在于：

• 形状参数 β 的物理可解释性：β < 1 对应早期失效（浴盆曲线左段），β = 1 退化为指数分布（偶然失效），β > 1 对应耗损失效（浴盆曲线右段）。
• 尺度参数 η 的寿命表征：特征寿命 η 表示累积失效概率达到 63.2% 的时间点，直观反映产品寿命水平。
• 位置参数 γ 的阈值建模：可描述产品在 γ 时间之前不发生失效的“安全期”。
• 数据适配能力强：对小样本、截尾数据、多失效模式数据均有良好的拟合表现。

1.3 课程整体目标与学习路径

课程目标

1. 掌握威布尔分布的数学定义、概率密度函数、累积分布函数、可靠度函数与失效率函数。
2. 熟练使用 Python 进行威布尔分布参数估计（MLE、最小二乘、矩估计）。
3. 能够对完整数据、右截尾数据、区间截尾数据进行寿命建模与可靠性评估。
4. 具备威布尔分布拟合优度检验与模型选择能力。
5. 能够将威布尔模型应用于实际工程寿命数据分析项目。

学习路径

1.4 预备知识与工具

本课程要求学习者具备以下基础：

• 概率论与数理统计基础：概率密度函数、累积分布函数、期望、方差、极大似然估计原理。
• Python 编程基础：NumPy、SciPy、Matplotlib 基本使用。
• 可靠性工程基本概念：可靠度、失效率、平均寿命、浴盆曲线。

1.5 课程配套代码与数据

本课程所有 Python 代码均使用以下核心库：

import numpy as np
import scipy.stats as stats
import scipy.optimize as opt
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

课程数据集包含：

• 电子元器件加速寿命试验数据（完整数据 + 右截尾数据）
• 机械轴承疲劳寿命数据
• 汽车零部件现场失效数据（区间截尾）
• 模拟生成的威布尔分布样本数据（用于方法验证）