你好  具体是什么原理呢？   应用到风速，它的分布函数表示的是什么呢？   比如说weibull分布应用到机械使用寿命中的时候  F（X）表示从0到X时间内机械失效的概率。。谢谢啊

其实我也不是很懂。反正威布尔分布经常用于风速的概率分布函数。分布函数取决于两个参数：控制分布宽度的形状参数和控制平均风速分布的尺度参数。一般用来表示风速在某个风速区间的分布概率。威布尔分布有好多形式，有兴趣可以参看一些有关风力发电的论文。至于风速为什么服从威布尔分布，这我就不知道了。

http://zh.wikipedia.org/wiki/%E9%9F%A6%E4%BC%AF%E5%88%86%E5%B8%83

wikepedia里面列出了weibull distribution的一些用途。我个人第一次接触这个分布是因为它可以描述conditional financial return, 可以预测Value at Risk (VaR)。

维基百科里的应用写的不详细啊    可以说一下在描述conditional financial return的时候它分布函数表示的是什么吗 ？或者为什么conditional financial return服从weibull分布？  谢谢啊！

维基百科里的应用写的不详细啊    可以说一下在描述conditional financial return的时候它分布函数表示的是什么吗 ？或者为什么conditional financial return服从weibull分布？  谢谢啊！

我是从事工程领域工作的，可靠性统计里面大量使用韦布尔分布。最早的应用历史可以追溯到二战的德国工程师，其发展的契机始于朝鲜战争美军的电子产品大量失效，之后美军开始大力展开可靠性研究。

Weibull分布跟指数分布的区别在于其风险函数呈单调性，也就是说随着时间的推移，风险函数单调递增或者单调递减，我不明白你说的条件收益分布为何服从Weibull分布。Weibull分布在研究交易间隔的时候使用的比较多，例如Autoregressive Conditional Duration模型，也就是ACD模型，跟GARCH有点类似。里面的交易间隔时间可以服从Weibull分布，你说的收益条件分布，我认为是在考虑到前期的收益时候，其分布服从Weibull。但是不知道不知道跟时间如何联系。

失业理论就是说处于失业和就业的间隔服从Weibull分布。有点过程理论(Point Process)专门研究事件之间的间隔时间。你搜的都是中文文献，当让看不到很多经济和金融的应用。举个例子，Modelling the probability of leaving unemployment: competing risks models with flexible base-line hazards。失业理论当中，可以把失业看成是事件，对其间隔进行建模。那么事件发生的速率，就可以用强度函数来建模。最简单的是指数分布，其速率为常数。而Weibull的风险函数为单调的。

嗯，，虽然不是很懂，大但基本原理明白了一些，非常感谢！！

你好，大神，想请教一个问题，一篇论文中对变量的定义和数据来源的说明中，发现有些变量是时间序列数据，而有些变量是截面数据，论文的目的是用Weibull hazard model做生存分析。

比如 variable1  它的数据为1970-2015的时间序列数据
     variable2  它的数据为2000-2010年的平均值
     实在想不通它的数据结构是什么样子的？

是不是以下这种形式呢？先谢谢啦。

year  variable1               varible2
1970        数值                 缺失
1971        数值                 缺失
1972        数值                 缺失
1973        数值                 缺失
1974        数值                 缺失
1975        数值                 缺失
1976        数值                 缺失
1977        数值                 缺失
1978        数值                 缺失
…         …                  …
2000        数值        2000-2015年变量2的平均值
2001        数值        2000-2015年变量2的平均值
2002        数值        2000-2015年变量2的平均值
2003        数值        2000-2015年变量2的平均值
2004        数值        2000-2015年变量2的平均值
2005        数值        2000-2015年变量2的平均值
2006        数值        2000-2015年变量2的平均值
2007        数值        2000-2015年变量2的平均值
2008        数值        2000-2015年变量2的平均值
2009        数值        2000-2015年变量2的平均值
2010        数值        2000-2015年变量2的平均值
2011        数值        2000-2015年变量2的平均值
2012        数值        2000-2015年变量2的平均值
2013        数值        2000-2015年变量2的平均值
2014        数值        2000-2015年变量2的平均值
2015        数值        2000-2015年变量2的平均值

你好，大神，想请教一个问题，一篇论文中对变量的定义和数据来源的说明中，发现有些变量是时间序列数据，而有些变量是截面数据，论文的目的是用Weibull hazard model做生存分析。

比如 variable1  它的数据为1970-2015的时间序列数据
     variable2  它的数据为2000-2010年的平均值
     实在想不通它的数据结构是什么样子的？

是不是以下这种形式呢？先谢谢啦。

year  variable1               varible2
1970        数值                 缺失
1971        数值                 缺失
1972        数值                 缺失
1973        数值                 缺失
1974        数值                 缺失
1975        数值                 缺失
1976        数值                 缺失
1977        数值                 缺失
1978        数值                 缺失
…         …                  …
2000        数值        2000-2015年变量2的平均值
2001        数值        2000-2015年变量2的平均值
2002        数值        2000-2015年变量2的平均值
2003        数值        2000-2015年变量2的平均值
2004        数值        2000-2015年变量2的平均值
2005        数值        2000-2015年变量2的平均值
2006        数值        2000-2015年变量2的平均值
2007        数值        2000-2015年变量2的平均值
2008        数值        2000-2015年变量2的平均值
2009        数值        2000-2015年变量2的平均值
2010        数值        2000-2015年变量2的平均值
2011        数值        2000-2015年变量2的平均值
2012        数值        2000-2015年变量2的平均值
2013        数值        2000-2015年变量2的平均值
2014        数值        2000-2015年变量2的平均值
2015        数值        2000-2015年变量2的平均值

你好，想请教一个问题，一篇论文中对变量的定义和数据来源的说明中，发现有些变量是时间序列数据，而有些变量是截面数据，论文的目的是用Weibull hazard model做生存分析。

比如 variable1  它的数据为1970-2015的时间序列数据
     variable2  它的数据为2000-2010年的平均值
     实在想不通它的数据结构是什么样子的？

是不是以下这种形式呢？先谢谢啦。

year  variable1               varible2
1970        数值                 缺失
1971        数值                 缺失
1972        数值                 缺失
1973        数值                 缺失
1974        数值                 缺失
1975        数值                 缺失
1976        数值                 缺失
1977        数值                 缺失
1978        数值                 缺失
…         …                  …
2000        数值        2000-2015年变量2的平均值
2001        数值        2000-2015年变量2的平均值
2002        数值        2000-2015年变量2的平均值
2003        数值        2000-2015年变量2的平均值
2004        数值        2000-2015年变量2的平均值
2005        数值        2000-2015年变量2的平均值
2006        数值        2000-2015年变量2的平均值
2007        数值        2000-2015年变量2的平均值
2008        数值        2000-2015年变量2的平均值
2009        数值        2000-2015年变量2的平均值
2010        数值        2000-2015年变量2的平均值
2011        数值        2000-2015年变量2的平均值
2012        数值        2000-2015年变量2的平均值
2013        数值        2000-2015年变量2的平均值
2014        数值        2000-2015年变量2的平均值
2015        数值        2000-2015年变量2的平均值

抱歉，我回答不了你的问题。但是我觉得变量2 如果全是均值的话根本就谈不上是变量了吧？

好的，谢谢，weibull回归中的变量应该都是时间序列数据吧？允许个别年份的个别数据有缺失值吗？