data = wblrnd(0.5,0.8,100,1);

生成威布尔随机函数，尺寸参数为0.5，形状参数为0.8，生成数列100行，一列；

parmhat = wblfit(data)

对data的进行威布尔拟合，返回拟合的两个值

翻译了一下：[PARMHAT,PARMCI] = WBLFIT(X,ALPHA,CENSORING)

给定右截尾样本数据Ｘ，计算Weibull分布在取尺度参数Ａ，

形状参数Ｂ的极大似然估计及其置信度为100(1-ALPHA)区间估计。

其中，CENSORING是与Ｘ同尺寸的０或１构成的向量。

[PARMHAT,PARMCI]= WBLFIT(X,ALPHA,CENSORING,FREQ)

给定右截尾样本数据Ｘ，计算Weibull分布在取尺度参数Ａ，

形状参数Ｂ的极大似然估计及其置信度为100(1-ALPHA)区间估计。

其中其中，CENSORING是与Ｘ同尺寸的０或１构成的向量，

FREQ为截尾样本X所对应的观察频数。不会用这个

0个样本，70小时定时截尾，6个样本发生故障，

数据为10，20，35，52，56，63，然后我定义

data=[10，20，35，52，56，63，70，70，70，70]，

censoring=[0，0，0，0，0，0，1，1，1，1]

然后运行[a,b]=wblfit(data,0.05,censoring)得出结果

a =

74.6426    1.6194

b =

44.5897    0.7795

124.9509    3.3645

a为平均寿命和形状参数，b为寿命的置信区间和形状参数的置信区间，