3. 粒径分布函数与数学描述
粒径分布是乳液聚合产品质量的核心表征之一。实测得到的往往是分组频率直方图或累积分布曲线，而工程上更希望用少量参数概括整条曲线，以便批次比较、工艺追溯和模型输入。分布函数就是完成这一压缩的工具：它用2～3个参数描述"粒径集中在哪、分散得多宽、尾部拖向哪一侧"。本节围绕四种常用分布的形式、参数含义与选型方法展开。
一、四种常用分布函数的形式与参数
正态分布是最直观的对称分布，其概率密度为 f(d)=1/(σ√(2π))·exp[-(d-μ)²/(2σ²)]，其中 μ 为均值（位置参数），σ 为标准差（尺度参数）。正态分布要求粒径取值可正可负，而粒径物理上恒为正，因此只有当 μ/σ 较大（一般大于3）时，负值区间的概率才可忽略，正态分布才勉强可用。对于分布较宽的乳液样品，正态分布会在小粒径侧给出不合理的概率，这是它的固有缺陷。
对数正态分布把正态分布搬到对数坐标上：若 ln d 服从正态分布，则 d 服从对数正态分布，密度为 f(d)=1/(d·σ_ln·√(2π))·exp[-(ln d-μ_ln)²/(2σ_ln²)]。这里 μ_ln 是 ln d 的均值，σ_ln 是 ln d 的标准差，也称几何标准差的对数。对数正态分布天然满足 d>0，且呈右偏形态，与多数自由基乳液聚合（尤其种子半连续工艺）的实测分布吻合较好。工程上常用几何平均粒径 d_g=exp(μ_ln) 和几何标准差 σ_g=exp(σ_ln) 来报告，σ_g 越接近1表示分布越窄。
Rosin-Rammler分布原本用于粉体粒度描述，其累积分布形式为 Q(d)=1-exp[-(d/d_e)^n]，密度为 f(d)=(n/d_e)·(d/d_e)^(n-1)·exp[-(d/d_e)^n]。参数 d_e 是特征粒径（对应累积分布达到63.2%的粒径），n 是均匀性指数，n 越大分布越窄。该分布对粗端尾部描述能力强，适合乳液聚合中后期出现少量大颗粒团聚或凝聚物的样品；但它对细端小粒径的拟合往往偏弱，且当 n 较小时曲线在零点附近的行为与真实乳液有偏差。
Gamma分布的密度为 f(d)=d^(k-1)·exp(-d/θ)/[θ^k·Γ(k)]，其中 k 为形状参数、θ 为尺度参数，均值 kθ、方差 kθ²。k 越大越接近对称，k 较小时呈明显右偏。Gamma分布的一个实用优势是它与乳液聚合的随机增长图像有联系：当颗粒经历近似独立的增量增长过程时，粒径分布可趋近Gamma型。它同样只取正值，且尾部衰减比对数正态更快，适合描述分布较窄、无明显粗尾的样品。
二、如何根据实测数据选择分布模型
选型不能凭"看起来像"，而应走一条可复核的流程。第一步是整理数据：把激光粒度仪或电镜计数得到的原始结果整理为分组区间与频数，或直接使用累积分布 Q(d)。注意不同仪器的等效球径定义不同（体积径、数量径、D[4,3] 等），选型前必须统一口径，否则参数没有可比性。
第二步是看形态特征。把直方图画出来，观察三点：分布是否明显右偏（多数乳液是）；粗端是否有孤立的长尾（提示凝聚或大颗粒）；细端是否在零点附近被截断。右偏且尾部平滑的样品优先考虑对数正态或Gamma；粗尾明显的样品优先试Rosin-Rammler；分布很窄、近似对称的样品可先试正态，但需检查 μ/σ 是否足够大。
第三步是参数估计与拟合优度检验。对数正态可用 ln d 的样本均值与标准差直接估计 μ_ln、σ_ln；Rosin-Rammler 可对 1-Q(d) 取两次对数，用 ln[-ln(1-Q)] 对 ln d 作线性回归，斜率即 n、截距给出 d_e；Gamma 的 k、θ 可用矩估计（k=均值²/方差，θ=方差/均值）初估，再用最大似然修正。拟合好坏用决定系数 R²、残差平方和或 Kolmogorov-Smirnov 统计量判断，同时要看残差是否随粒径系统偏移——系统性偏移比随机残差更能说明模型选错。
三、一个可参考的选型示例
假设某苯丙乳液样品用激光粒度仪测得体积分布，D10≈78 nm、D50≈102 nm、D90≈141 nm，直方图右偏但粗端无孤立峰。按上述流程：先算 ln d 的均值与标准差，得到 d_g≈101 nm、σ_g≈1.28；再拟合 Rosin-Rammler，得 d_e≈108 nm、n≈3.6。比较两者在 D90 处的预测：对数正态给出约139 nm，R-R 给出约146 nm，实测141 nm，对数正态更接近。同时 R-R 在 D10 处偏差较大，说明其细端描述不足。结论是选对数正态，报告 d_g=101 nm、σ_g=1.28，并在批次记录中注明所用模型与拟合区间。需要强调，以上数值为教学示例的合理假设，实际报告应以本批实测数据重新拟合为准。
最后提醒两点：分布函数是对真实分布的近似，参数只在拟合所用的粒径区间内有效，外推到区间之外没有意义；不同模型给出的"平均粒径"含义不同（几何平均、特征粒径、算术平均），跨批次比较时必须使用同一模型、同一参数，否则数字变化可能只是模型换了，而不是产品变了。