دانلود مقاله ترجمه شده کلیات توزیع وایبول – مجله IEEE

• فهرست مطالب:

 چکیده
۱ مقدمه
۲ تابع شکست تجمعی H
۳ توسعه اخیر در مدل های مربوط به ویبول
۴ مدل های اخیر ویبول
۵ نتیجه گیری

• بخشی از ترجمه:

۵ نتیجه گیری

 مدل ویبول پیچیده اغلب موجب کاهش احتمال تفسیر پارامتر ها می شود مدل ویبول که دارای سه پارامتر است مطلوب است به جز ترکیبات دو توزیع ویبول که نیاز به۵ تا ۶ پارانتر از جمله نسبت ترکیب دارد. دلیل این است گه پارامتر ها در توزیع ترکیب ناشی از ماعیت افزایشی هر دو تابع توزیع جدا می شوند.این عملیات ریاضی در خصوص نرخ شکست را به آسانی می توان بدست اورد و از این روی براورد های عددی پارامتر ها کم تر می شود اگرچه ترکیب دو توزیعات ویبول خاص ایجاد توزیع bt می کند و نرخ شکست آن به یکی از ۸ نوع مختلف می رسد. برای مثال، تحقیقات ما نشان می دهد که ترکیب توزیعات ویبول اصلاح شده اهمیت زیادی دارد.
ویبول و مدل های مربوطه در بسیاری از مقالات استفاده شده است و برای حل مسئله ها استفاده می شود. جدول ۱-۱ این موارد را نشان می دهد. اگرچه توزیع ویبول برای مدل سازی شکست محصول در مهندسی اطمینان استفاده می شودف برای مدل سازی فرایند عمر انسان استفاده می شود. اخیرا، بابیتکنون و همکاران(۴) به بررسی و مدل سازی مرگ و میر انسانی با استفاده از ترکیبات دو توزیع ویبول پرداختند. احساس می کنیم که ترکیبات مختلف دو توزیعات ویبول دارای کاربرد های زیادی است.

• بخشی از مقاله انگلیسی:

V. CONCLUDING REMARKS

Many generalized Weibull models have been proposed in reliability literature through the fundamental relationship between the reliability function , and its corresponding cumulative failure rate function . In this note, we summarize some commonly known models, and also discuss their general properties with a hope to provide practitioners a quick overview of the most recent developments in reliability concerning the Weibull distribution. Most generalizations of the Weibull distribution stemmed from a desire to provide a better fitting of certain data sets than the traditional two- or three- parameter Weibull. One would expect many more such generalizations, modifications, or extensions to appear in years to come. Given a data set, a researcher has an onerous task to select an ‘optimal’ model among many possible Weibull related models.

In general, there are three steps involving the empirical modeling of data, including Weibull, such as model selection, estimation of model parameters, and model validation. On parameter estimation, the number of parameters could be pivotal; and how easily the estimates of these parameters can be found is also an important factor. The principle of parsimony may apply in this case. An overcomplicated Weibull model often diminishes the possibility of interpreting the parameters. Generally speaking, a Weibull model that has more than three parameters is undesirable, with the exception of mixtures of two modified Weibull distributions, which typically require 5–۶ parameters including the mixing proportion.