-
- %直接抽样法%
- clear all;
- M=1000;
- m=1000;
- n=5000;
- N=5;
-
- t=4.8688;
- alpha=0.2;
- for N=5:5:20;
- x=random('wbl',15,2,M,N); %产生N个威布尔分布样本:M*N%
- y=log(x); %求相应的极值分布样本:1*N%
- w=mean(y); %求该极值样本的均值和标准差1*N%
- v=std(y);
- for j=1:N
- for i=1:n
- for k=1:m
- jz=random('ev',0,1,M,1);
- f1(k)=mean(jz);
- f2(k)=var(jz,1);
- end %f1、f2:1000*1%
- kesai=(log(t)-w(j))*sqrt(f2)/v(j)+f1;
- kesai1=sort(kesai);
- kesaialpha=kesai1(M*(1-alpha));
- rl(i)=exp(-exp(kesaialpha)); %得到一个置信下限值%
- cdfrl(i)=1-weibcdf(rl(i),2,15); %得到每个估计出的分位点的置信水平即覆盖率%
- end %此循环得到n个置信下限值,rl为1*5000列的行向量%
- N_rl(j,:)=rl; %N_rl为N*n%
- N_mean(j)=mean(rl); %N_mean为N*1%
- N_var(j)=dot((rl-0.9),(rl-0.9));%N_var为N*1%
- N_cdf(j)=mean(cdfrl); %N_cdf为N*1%
- end
- %对每一个威布尔样本计算方差和真实的置信水平,方差为相对于可靠度真值
- %即0.9的离散程度,真实的置信水平为在每一个模拟出的分位点处威布尔分布的
- %累积概率值%
- fwd(N)=mean(N_mean); %样本量为N时,最后表格中的分位点取值%
- mean_var(N)=mean(N_var);
- mean_cdf(N)=mean(N_cdf);
- end