2. 对数正态分布的基本概念
2.1 对数正态分布的定义
若随机变量 X 的对数 Y = ln(X) 服从正态分布，则称 X 服从对数正态分布。记作：
X ~ LN(μ, σ²)
其中 μ 和 σ² 分别是 ln(X) 的均值与方差，而非 X 本身的均值与方差。对数正态分布是疲劳寿命数据中最常用的分布模型之一，因为寿命数据具有以下特征：
- 非负性：疲劳寿命（循环次数、时间）恒为正数。
- 右偏性：大多数样本集中在较低寿命区间，少数样本寿命极长。
- 乘法效应：疲劳损伤累积过程近似于多个独立随机因素的乘积。
关键区别： 正态分布适用于加法效应（如测量误差），而对数正态分布适用于乘法效应（如裂纹扩展速率、材料强度衰减）。在疲劳领域，对数正态分布比正态分布更符合物理机制。
2.2 概率密度函数（PDF）
对数正态分布的概率密度函数由下式给出：
f(x; μ, σ) = (1 / (x · σ · √(2π))) · exp( - (ln(x) - μ)² / (2σ²) ), x > 0其中：
- x：疲劳寿命（循环次数或时间）
- μ：ln(X) 的均值（位置参数）
- σ：ln(X) 的标准差（形状参数，σ > 0）
PDF 曲线具有以下形态特征：
| 参数变化 | 对 PDF 曲线的影响 |
|---|---|
| μ 增大 | 曲线整体向右平移，峰值位置右移 |
| σ 增大 | 曲线变得更扁平、更右偏，拖尾更长 |
| σ 减小 | 曲线更尖锐、更接近对称（近似正态） |
工程直觉： σ 反映疲劳寿命的分散性。σ 越大，表示同一批次试件的寿命差异越大，可靠性评估时需留更大安全裕度。
2.3 累积分布函数（CDF）
对数正态分布的累积分布函数为：
F(x; μ, σ) = Φ( (ln(x) - μ) / σ ), x > 0其中 Φ(·) 为标准正态分布的累积分布函数。这一关系意味着：
- 对寿命数据取自然对数后，即可使用正态分布的全部统计工具进行分析。
- 在概率坐标纸上，对数正态分布的 CDF 表现为一条直线（横轴为 ln(x)，纵轴为 Φ⁻¹(F)）。
常见误区： 不要将 μ 和 σ 直接当作寿命 X 的均值和标准差。X 的均值 E[X] = exp(μ + σ²/2)，方差 Var[X] = exp(2μ + σ²)·(exp(σ²) - 1)。在疲劳分析中，必须使用对数域参数进行推断。
2.4 对数正态分布与正态分布的关系
| 特征 | 正态分布 | 对数正态分布 |
|---|---|---|
| 支撑集 | (-∞, +∞) | (0, +∞) |
| 偏度 | 0（对称） | 右偏（正偏） |
| 适用场景 | 加法误差、对称数据 | 乘法过程、寿命数据、强度数据 |
| 参数估计 | 直接计算样本均值和方差 | 先取对数，再计算对数域的均值和方差 |
| 分位数计算 | xₚ = μ + σ·zₚ | xₚ = exp(μ + σ·zₚ) |
工程应用要点： 在疲劳寿命分析中，通常先对寿命数据取自然对数，然后使用正态分布方法进行参数估计、假设检验和置信区间计算。最后将结果通过指数变换还原到原始寿命尺度。这一流程称为“对数变换法”，是 ISO 12107 和 ASTM E739 等标准推荐的方法。