R 威布尔分布的置信区间

我有风数据，我用它来进行极值分析（计算回归水平）。我将R与包“evd”、“extRemes”和“ismev”一起使用

我正在拟合GEV、Gumbel和Weibull分布，以估计某个时期T的回报水平（RL）。
对于GEV和Gumbel情况，我可以使用extRemes:：return.level（）函数获得RL和置信区间

一些代码：

require(ismev)
require(MASS)

data(wind)
x = wind[, 2]
rperiod = 10

fit <- fitdistr(x, 'weibull')
s <- fit$estimate['shape']
b <- fit$estimate['scale']

rlevel <- qweibull(1 - 1/rperiod, shape = s, scale = b)

## CI around rlevel
## ci.rlevel = ??

require（ismev）
要求（质量）
数据（风）
x=风[，2]
r周期=10
拟合我怀疑极其正确的答案是关节置信区是椭圆或弯曲的香肠形状，但您可以使用
vcov
函数从拟合对象中提取参数的方差估计值，然后建立标准误差，其中+/-1.96 SE应该是有用的：

> sqrt(vcov(fit)["shape", "shape"])
[1] 0.691422
> sqrt(vcov(fit)["scale", "scale"])
[1] 1.371256

> s +c(-1,1)*sqrt(vcov(fit)["shape", "shape"])
[1] 6.162104 7.544948
> b +c(-1,1)*sqrt(vcov(fit)["scale", "scale"])
[1] 54.46597 57.20848

计算单个参数CI的常用方法是假设正态分布，并使用θ+/-1.96*SE（θ）。在本例中，您有两个参数，使用这两个参数可以得到一个“框”，即间隔的2D模拟。真正正确的答案是“按比例”按“形状”参数空间中更复杂的东西，并且可能最容易通过模拟方法实现，除非你比我更精通理论。
你对你所做的工作提供了一个粗略的描述，但这是一个编码论坛，你需要发布数据和代码。所以现在我可以使用这些值计算qweibull_inf和qweibull_hi？我不确定我是否理解你的术语。我有关于形状和形状的CI规模我能用qweibull（p，形状，尺度）来计算weibull分位数吗？空气中有强烈的作业气味。如果您对变量使用单独的置信区间，至少尝试Bonferroni更正。@Fernando:我仍然不明白您想要什么，所以我无法判断代码是否会提供适当的输出。您似乎还不了解长方体是一个二维置信域（由其4个角定义）。我不明白费迪南德会建议邦费罗尼做什么样的修正。我没有看到正在进行多个测试。估计两个参数与多次比较不同。