韦伯分布

1927年，莫里斯·弗雷歇首先给出这一分布的定义。

1933年，Rosin, P.和Rammler, E.在研究碎末的分布时，第一次应用了韦伯分布。

1951年，瑞典工程师、数学家瓦洛迪·韦伯（英语：Waloddi Weibull）详细解释了这一分布，于是，该分布便以他的名字命名为韦伯分布。

从概率论和统计学角度看，韦伯分布是连续性的概率分布，其概率密度为：

${\displaystyle f(x;\lambda ,k)={\begin{cases}{\frac {k}{\lambda }}\left({\frac {x}{\lambda }}\right)^{k-1}e^{-({\frac {x}{\lambda }})^{k}}&x\geq 0\\0&x<0\end{cases}}}$ 

其中，${\displaystyle x}$ 是随机变量，${\displaystyle \lambda >0}$ 是比例参数（scale parameter），${\displaystyle k>0}$ 是形状参数（shape parameter）。显然，它的累积分布函数是扩展的指数分布函数，而且韦伯分布与很多分布都有关系。如，当${\displaystyle k=1}$ ，它是指数分布；${\displaystyle k=2}$ 时，是Rayleigh distribution（瑞利分布）。

均值

${\displaystyle E=\lambda \Gamma \left(1+{\frac {1}{k}}\right)\,}$  其中，${\displaystyle \Gamma }$ 是伽马（gamma）函数。

方差

${\displaystyle Var=\lambda ^{2}\left[\Gamma \left(1+{\frac {2}{k}}\right)-\Gamma \left(1+{\frac {1}{k}}\right)^{2}\right],}$ 

矩函数

偏度

${\displaystyle skewness={\frac {2\Gamma \left(1+{\frac {1}{k}}\right)^{3}-3\Gamma \left(1+{\frac {2}{k}}\right)\Gamma \left(1+{\frac {1}{k}}\right)+\Gamma \left(1+{\frac {3}{k}}\right)}{\left[\Gamma \left(1+{\frac {2}{k}}\right)-\Gamma \left(1+{\frac {1}{k}}\right)^{2}\right]^{\frac {3}{2}}}}}$ 

峰度

${\displaystyle kurtosis={\frac {-3\Gamma \left(1+{\frac {1}{k}}\right)^{4}+6\Gamma \left(1+{\frac {2}{k}}\right)\Gamma \left(1+{\frac {1}{k}}\right)^{2}-4\Gamma \left(1+{\frac {3}{k}}\right)\Gamma \left(1+{\frac {1}{k}}\right)+\Gamma \left(1+{\frac {4}{k}}\right)}{\left[\Gamma \left(1+{\frac {2}{k}}\right)-\Gamma \left(1+{\frac {1}{k}}\right)^{2}\right]^{2}}}}$ 

生存分析

工业制造

研究生产过程和运输时间关系

极值理论

预测天气

可靠性和失效分析

雷达系统

对接受到的杂波信号的依分布建模

拟合度

无线通信技术中，相对指数衰减频道模型，Weibull衰减模型对衰减频道建模有较好的拟合度

量化寿险模型的重复索赔

预测技术变革

风速

由于曲线形状与现实状况很匹配，被用来描述风速的分布