Weibull বিতরণ কী?
Weibull বিতরণ আয়ু, ব্যর্থতা-সময় এবং অপেক্ষা সময়-এর জন্য সাধারণ মডেল (x≥0)। আকৃতি k hazard pattern বদলায়, scale λ সময়ের মাত্রা বদলায়।
PDF: f(x)=(k/λ)(x/λ)^(k-1)exp(-(x/λ)^k). গড়: λ·Γ(1+1/k). বিচরণ: λ²(Γ(1+2/k)-Γ(1+1/k)²). মধ্যক: λ·(ln 2)^(1/k).
প্রিসেট
সাধারণ আকৃতি দ্রুত সেট করুন; পরে মান বদলাতে পারবেন।
জেনারেটর
k/λ, নমুনা আকার, bin count ও RNG সেটিং দিন। তারপর নমুনা তৈরি করে ফল export করুন।
নমুনা পরিসংখ্যান
নমুনা (প্রথম 20)
এই টুল কীভাবে ব্যবহার করবেন
ব্যর্থতা pattern গুরুত্বপূর্ণ এমন আয়ু, অপেক্ষা সময় ও reliability scenario-র জন্য এই পেজ ব্যবহার করুন।
৩ ধাপে ব্যবহার
- ব্যাখ্যাযোগ্য একটি আয়ু scenario ধরে আকৃতি
kও scaleλদিন। - নমুনা তৈরি করে হিস্টোগ্রাম-কে theoretical গড়, বিচরণ ও percentile-এর সঙ্গে তুলনা করুন।
- আকৃতি ও scale-এর প্রভাব আলাদা দেখতে
kবাλ-এর একটিই বদলান।
ফলাফল কীভাবে পড়বেন
Scale λ horizontal axis প্রসারিত করে; আকৃতি k ভর 0-এর কাছে নাকি দূরে জমে তা বদলায়। early ব্যর্থতা ও wear-out behavior তুলনায় এটি গুরুত্বপূর্ণ।
সীমা পরীক্ষা
- k ও λ positive হতে হবে।
- 0-এর কাছের মান খুব sharp আকৃতি তৈরি করতে পারে।
- scenario তুলনার সময় একই সময় unit ব্যবহার করুন।
সাধারণ প্রশ্ন
k ও λ-এর পার্থক্য কী?
k আকৃতি বা ব্যর্থতা pattern নিয়ন্ত্রণ করে, λ সামগ্রিক সময় scale নিয়ন্ত্রণ করে।
k ছোট হলে curve 0-এর কাছে যায় কেন?
k 1-এর নিচে হলে density 0-এর কাছে বেশি হয়; এটি বেশি early event বা early ব্যর্থতা বোঝাতে পারে।
অন্য টুল ভিন্ন গড় দেখাতে পারে কেন?
প্যারামিটার সংজ্ঞা, unit, rounding বা নমুনা আকার summary value বদলাতে পারে।
এটি কি 0-1 সীমাবদ্ধ সম্ভাবনা মডেল?
না। Weibull 0-1 সীমাবদ্ধ মানের জন্য নয়; non-negative duration বা magnitude-এর জন্য।
আগে কী করব?
একটি scale দিয়ে শুরু করুন এবং k 1-এর নিচে ও ওপরে এমন দুটি আকৃতি value তুলনা করুন।