版权声明：本文为Charles Dong原创文章，未经博主允许不得转载。([email protected]) https://blog.csdn.net/MrCharles/article/details/81705388
data = wblrnd(0.5,0.8,100,1);
生成威布尔随机函数，尺寸参数为0.5，形状参数为0.8，生成数列100行，一列；
parmhat = wblfit(data)
对data的进行威布尔拟合，返回拟合的两个值
翻译了一下：[PARMHAT,PARMCI] = WBLFIT(X,ALPHA,CENSORING)
给定右截尾样本数据Ｘ，计算Weibull分布在取尺度参数Ａ，
形状参数Ｂ的极大似然估计及其置信度为100(1-ALPHA)区间估计。
其中，CENSORING是与Ｘ同尺寸的０或１构成的向量。
[PARMHAT,PARMCI]= WBLFIT(X,ALPHA,CENSORING,FREQ)
给定右截尾样本数据Ｘ，计算Weibull分布在取尺度参数Ａ，
形状参数Ｂ的极大似然估计及其置信度为100(1-ALPHA)区间估计。
其中其中，CENSORING是与Ｘ同尺寸的０或１构成的向量，
FREQ为截尾样本X所对应的观察频数。不会用这个
0个样本，70小时定时截尾，6个样本发生故障，
数据为10，20，35，52，56，63，然后我定义
data=[10，20，35，52，56，63，70，70，70，70]，
censoring=[0，0，0，0，0，0，1，1，1，1]
然后运行[a,b]=wblfit（data,0.05,censoring）得出结果
a =
74.6426 1.6194
b =
44.5897 0.7795
124.9509 3.3645
a为平均寿命和形状参数，b为寿命的置信区间和形状参数的置信区间，