首先可以利用fitdistr函数求得weibull分布的形状参数和尺寸参数，假设数据为x:
library(MASS) #fitdistr需要利用MASS包fitdistr(x, densfun = "weibull",lower=0)
得到形状参数shape与尺度参数scale
然后利用ks.test进行检验：
ks.test(jitter(x),"pweibull",shape,scale)上边的jitter用来做小扰动，因为如果x中有重复数据的话ks.test会报错，如果x中没有重复数据则不需要jitter。shape是得到的形状参数，scale是得到的尺度参数。
ks.test得到两个结果，一个是D,越小越好，一个是p-value，这个值要大于0.05
matlab 中可以利用wblrnd命令产生所需的服从韦布尔分布的随机数，如下：R = wblrnd(A,B)
R = wblrnd(A,B,m,n,...)
R = wblrnd(A,B,[m,n,...])
其中，A为尺度参数，B为形状参数。m和n为所需要的数的形式，比如说生成m行*n列的矩阵。
matlab 内部解释为：
This MATLAB function generates random numbers for the Weibull distribution with
scale parameter, A and shape parameter, B.
R = wblrnd(A,B)
R = wblrnd(A,B,m,n,...)
R = wblrnd(A,B,[m,n,...])
