4. 概率统计基础与材料数据分布建模
材料性能数据天然带有分散性：同一炉批的40Cr钢，即使化学成分与热处理制度相同，其抗拉强度也可能在±30 MPa范围内波动；同一批钛合金试样的疲劳寿命，在相同应力水平下甚至可能相差一个数量级。不确定性量化工程的第一步，不是急着算方差或套分布，而是先建立一套能描述“随机性从哪来、如何传播、如何被观测修正”的概率语言。本章围绕随机变量、联合分布、条件分布与贝叶斯思维四条主线，落到硬度、强度、疲劳寿命三类典型性能的分布拟合与检验。
一、随机变量：把材料性能映射为可运算对象
随机变量（Random Variable, RV）是定义在样本空间上的实值函数。对材料数据而言，样本空间是“所有可能被抽检的试样”，随机变量则是把每个试样映射到某个可测数值的规则。硬度HV、屈服强度Rp0.2、疲劳寿命Nf都是连续型随机变量；而“是否通过疲劳门槛值”“缺陷等级”属于离散型随机变量。
连续型随机变量由概率密度函数f(x)与累积分布函数F(x)描述。工程上更常用的是分位数：F⁻¹(0.01)对应1%失效概率下的强度下限，F⁻¹(0.99)对应99%可靠度的寿命上限。这里必须明确参照约定：本章所有强度、硬度均取“越大越好”的正向指标，疲劳寿命也按循环数正向处理；若涉及裂纹长度、缺陷尺寸等负向指标，需在建模前统一取负号或改用“越小越好”的分布尾部方向，全文与图示保持一致。
随机变量的数字特征中，均值μ描述中心位置，标准差σ描述分散程度，变异系数CV=σ/μ用于跨量纲比较。材料领域常用CV判断数据质量：金属拉伸强度CV通常在2%~5%，硬度CV约3%~8%，而疲劳寿命CV可达30%~80%。若某批数据CV异常偏大，往往提示混批、工艺漂移或测量系统问题，而非材料本征分散。
二、联合分布与条件分布：多性能之间的耦合
材料性能很少独立。硬度与抗拉强度通常正相关，屈服强度与疲劳极限也呈正相关，而强度与韧性往往此消彼长。联合分布F(x,y)=P(X≤x, Y≤y)刻画两个随机变量同时取值的概率结构。若X、Y独立，则F(x,y)=F_X(x)F_Y(y)；材料数据中这一假设极少成立，因此需要引入相关系数ρ与Copula函数描述依赖结构。
条件分布P(Y|X=x)回答的是“已知硬度为某值时，强度的分布如何”。在材料建模中，条件分布常用于分层建模：先按硬度分档，再在每档内拟合强度分布，可显著降低组内方差。例如某批次42CrMo调质钢，整体强度CV为4.2%，按硬度分为三档后，组内CV降至2.6%~3.1%，说明硬度差异解释了相当一部分强度分散。
三、贝叶斯思维：用先验信息弥补小样本
材料研发中常遇到“只有3~5个试样”的困境。频率学派在此只能给出很宽的置信区间，而贝叶斯方法允许把历史数据、物理模型或专家经验编码为先验分布π(θ)，再通过似然函数L(data|θ)更新为后验π(θ|data)。其核心公式为：
π(θ|data) = π(θ) · L(data|θ) / ∫ π(θ) · L(data|θ) dθ
后验 ∝ 先验 × 似然以疲劳寿命为例。假设某钛合金TC4在应力比R=0.1、最大应力600 MPa下，历史数据表明对数寿命lgNf服从正态分布，均值μ₀=5.2，标准差σ₀=0.25。现新批次仅做了4根试样，测得lgNf为5.0、5.3、5.1、5.4。若直接取样本均值，得到5.2，但样本量太小，置信区间极宽。引入先验N(5.2, 0.25²)后，后验均值为加权平均：
后验均值 = (μ₀/σ₀² + Σxᵢ/σ²) / (1/σ₀² + n/σ²)
假设σ=0.3，n=4，Σxᵢ=20.8
后验均值 ≈ (5.2/0.0625 + 20.8/0.09) / (1/0.0625 + 4/0.09)
≈ (83.2 + 231.1) / (16 + 44.4)
≈ 314.3 / 60.4 ≈ 5.20后验均值仍接近5.20，但后验标准差缩小到约0.11，说明先验信息有效压缩了不确定性。若新数据与先验明显冲突（例如4根试样均值仅4.6），则后验会被数据“拉走”，此时应检查先验是否合理，或是否存在批次差异。
四、分布拟合与检验：硬度、强度、疲劳寿命的实操
不同性能适合不同分布。硬度与强度通常近似正态分布，但若存在混批或尾部缺陷，可能呈现双峰或厚尾；疲劳寿命则强烈右偏，常用对数正态分布或Weibull分布描述。Weibull分布的形状参数β尤其重要：β<1表示早期失效，β≈1表示随机失效，β>1表示磨损失效。
拟合流程可归纳为四步：数据准备、候选分布选择、参数估计、拟合优度检验。以某批次42CrMo调质钢硬度数据为例（示例数据，非实测）：
| 步骤 | 操作 | 示例结果 |
|---|---|---|
| 数据准备 | 剔除±3σ外异常值，共保留48个HV值 | 均值320，标准差13.4，CV=4.2% |
| 候选分布 | 正态、对数正态、Weibull | 正态AIC=412，对数正态AIC=415，Weibull AIC=414 |
| 参数估计 | MLE估计正态μ=320，σ=13.4 | μ̂=320.2，σ̂=13.1 |
| 拟合检验 | K-S检验，D=0.087，p=0.42 | p>0.05，接受正态假设 |
若K-S检验p≤0.05，则需考虑：数据是否来自混合分布（如两个炉批）；是否存在截尾或删失；是否应改用Weibull或对数正态。疲劳寿命数据常含删失（未失效试样），此时需用极大似然估计处理右删失，不能简单丢弃。
五、从分布到工程判断
完成分布拟合后，即可计算工程关心的分位数与可靠度。例如强度服从N(980, 37²) MPa，若设计应力为850 MPa，则可靠度R=P(Rm>850)=1-Φ((850-980)/37)=1-Φ(-3.51)≈0.9998。若疲劳寿命服从对数正态分布，lgNf~N(5.2, 0.3²)，则1%失效概率对应的寿命为10^(5.2-2.326×0.3)≈10^4.50≈31600次循环。这些数值直接支撑许用应力、检修周期与安全系数的制定。