ReliaWiki -- Ejemplo #2. Weibull 3P, resuelto por medio de Reliability en Google Colab.

Ejemplo original tomado de: https://help.reliasoft.com/articles/content/hotwire/issue148/hottopics148.htm 

Por ejemplo, considere el siguiente conjunto de datos: 100, 218, 334, 556, 867 y 1234.

Cuando no se selecciona Usar MLE 3-P verdadero en Weibull, se calcula Los resultados son:

 γ es 28,5, que se calcula utilizando El método de estimación de mínimos cuadrados.

A continuación se muestra el gráfico de valores de probabilidad 3D.

Cuando se selecciona Usar MLE 3-P verdadero en Weibull, se calcula Los resultados son:

El gráfico de valores de probabilidad 3D es:

Solución al ejemplo #2, en Google Colab. Fuente: PPI

1. Instalación de la librería: >> ! pip install reliabitily

2. 

>># Ajustar una distribucion de weibull 3P a los datos de falla

>>from reliability.Fitters import Fit_Weibull_3P # importando modulo

>>import matplotlib.pyplot as plt # importando modulo

>>data = [100, 218, 334, 556, 867, 1234]

>>wb = Fit_Weibull_3P(failures=data)

>>plt.show()

.....................................................................

Results from Fit_Weibull_3P (95% CI):
Analysis method: Maximum Likelihood Estimation (MLE)
Optimizer: TNC
Failures / Right censored: 6/0 (0% right censored) 

Parameter  Point Estimate  Standard Error  Lower CI  Upper CI
    Alpha         276.272         316.895   29.1728   2616.36
     Beta        0.363495        0.141473  0.169515  0.779451
    Gamma         99.9999     0.000123239   99.9997       100 

Goodness of fit    Value
 Log-likelihood -37.5803
           AICc  93.1607
            BIC  80.5359
             AD  2.83028 

3. vamos a crear la distribución de Weibull con los 3 parámetros encontrados

>>from reliability.Distributions import Weibull_Distribution

>>import matplotlib.pyplot as plt

>>dist = Weibull_Distribution(alpha=276.272, beta=0.363, gamma=100.0)  # this created the distribution object

>>dist.PDF()  # this creates the plot of the PDF

>>plt.show()

4. Grafiquemos las demás funciones de distribución

>>dist.plot()