找找相关的文章，可以给自己一个借鉴，算是入门，后面再自己提出新的

只要是需要数据的地方都应该可以用到，比如经济学、金融方面，你可以用多种软件来实现，或者将多种软件结合起来。

威布尔分布：在可靠性工程中被广泛应用，尤其适用于机电类产品的磨损累计失效的分布形式。由于它可以利用概率纸很容易地推断出它的分布参数，被广泛应用与各种寿命试验的数据处理。

瑞典工程师威布尔从30年代开始研究轴承寿命，以的又研究结构强度和疲劳等问题。他采用了“链式”模型来解释结构强度和寿命问题。这个模型假设一个结构是由若干小元件(设为n个)串联而成，于是可以形象地将结构看成是由n个环构成的一条链条，其强度(或寿命)取决于最薄弱环的强度(或寿命)。单个链的强度(或寿命)为一随机变量，设各环强度(或寿命)相互独立，分布相同，则求链强度(或寿命)的概率分布就变成求极小值分布问题，由此给出威布尔分布函数。由于零件或结构的疲劳强度(或寿命)也应取决于其最弱环的强度(或寿命)，也应能用威布尔分布描述。

根据1943年苏联格涅坚科的研究结果，不管随机变量的原始分布如何，它的极小值的渐近分布只能有三种，而威布尔分布就是第Ⅲ种极小值分布。

由于威布尔分布是根据最弱环节模型或串联模型得到的，能充分反映材料缺陷和应力集中源对材料疲劳寿命的影响，而且具有递增的失效率，所以，将它作为材料或零件的寿命分布模型或给定寿命下的疲劳强度模型是合适的。

目前，二参数的威布尔分布主要用于滚动轴承的寿命试验以及高应力水平下的材料疲劳试验，三参数的威布尔分布用于低应力水平的材料及某些零件的寿命试验，一般而言，它具有比对数正态分布更大的适用性。但是，威布尔分布参数的分析法估计较复杂，区间估计值过长，实践中常采用概率纸估计法，从而降低了参数的估计精度．这是威布尔分布目前存在的主要缺点，也限制了它的应用。
] 1# coral90

感谢同学们的帮助！

大神，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