如何根据组件故障数据估算特征的威布尔危险率函数？

Question

机械组件连续运行直至失败（测试失败）。我们有一个这样的实验数据。

数据字典

1. 年龄 - ＆gt;分钟的时间。

2. life_per - ＆gt;年龄/总失败时间

3. life_status - ＆gt; faliure == 1和0 ==非失败（注意：我们只有1 记录life_status = 1，即失败的时间/年龄

4. feature1 - ＆gt; covariate / sensor读取组件。



注意：只显示数据的开头和结尾。

从这些数据中我如何计算R或Python中feature1变量的Weibull危险率函数？

我尝试了以下代码。

代码（参考Weibull cumulative distribution function starting from "fitdistr" command）

fit_dist<-fitdist(base$feature1,"weibull",lower = c(0, 0), start = list(scale = 1, shape = 1))
rms_coefficients<-matrix(coef(fit_dist))
rownames(rms_coefficients)<-c("scale","shape")
rms_pdf<-dweibull(base$feature1,shape=rms_coefficients["shape",1],scale=rms_coefficients["scale",1])
rms_cdf<-1-exp(-((base$feature1/rms_coefficients["scale",1])^rms_coefficients["shape",1]))
hazard_rate_fun_feature1 <-rms_pdf/(1-rms_cdf)

来自https://warwick.ac.uk/fac/sci/wmg/ftmsc/modules/modulelist/peuss/slides/section_8b_peussdistributions_2_slides_compatibility_mode.pdf
的

公式

问题

1. feature1的危险率函数是否在代码中计算出正确的方法？ 在代码中，危险函数根本不是时间或年龄组件的函数。我认为危险功能应该始终是时间的函数。
2. 在公式中，危险函数似乎是时间的函数。所以我很困惑feature1的危险函数是应该根据时间计算还是没有计算出来。