2. 统计基础回顾：均值、方差、标准差、正态分布与概率密度函数
在SPICE器件建模的良率分析中，统计基础是连接物理仿真与量产决策的桥梁。无论是提取模型参数、评估工艺波动，还是预测良率边界，都离不开对数据分布特征的量化描述。本节将系统回顾描述性统计的核心概念，并重点介绍正态分布及其在半导体建模中的应用。
2.1 均值：数据的中心趋势
均值（Mean）是描述数据集中趋势最常用的统计量。对于一组器件测量数据（如阈值电压 Vth、饱和电流 Idsat），均值反映了工艺标称值。
- 总体均值 μ：当数据包含整个批次的所有芯片时使用。
- 样本均值 x̄：当从批次中抽取部分样品进行测试时使用，是总体均值的无偏估计。
计算公式：
样本均值 x̄ = (1/n) * Σ xi其中 n 为样本数量，xi 为第 i 个观测值。
建模提示：在SPICE模型卡中，均值通常对应工艺角（Typical Corner）的模型参数值。例如，NMOS的Vth0均值决定了数字电路的标准开关速度。
2.2 方差与标准差：数据的离散程度
仅知道均值不足以描述工艺波动。方差（Variance）和标准差（Standard Deviation）量化了数据围绕均值的散布程度，是良率分析中评估工艺窗口的关键指标。
| 统计量 | 符号 | 定义 | 单位 | 在器件建模中的意义 |
|---|---|---|---|---|
| 方差 | σ² 或 s² | 各数据点与均值之差的平方的平均值 | 原单位的平方 | 反映工艺参数的波动能量 |
| 标准差 | σ 或 s | 方差的平方根 | 与原单位一致 | 直接用于定义工艺角（如±3σ） |
样本方差公式：
s² = [1/(n-1)] * Σ (xi - x̄)²分母使用 n-1 是为了获得无偏估计（贝塞尔校正）。
常见误区：在SPICE建模中，不要将工艺文件中的“σ”直接等同于物理测量的标准差。模型参数的标准差通常经过归一化或相关性调整，需要查阅PDK文档确认其统计含义。
2.3 正态分布：工艺波动的核心模型
正态分布（Normal Distribution），又称高斯分布，是半导体制造中最常见的概率分布。中心极限定理保证了大量独立随机因素叠加的效应趋近于正态分布，这恰好符合光刻、掺杂、刻蚀等工艺步骤的波动特性。
正态分布的概率密度函数（PDF）为：
f(x) = (1 / (σ * √(2π))) * exp( - (x - μ)² / (2σ²) )其中 μ 为均值，σ 为标准差。
68-95-99.7 法则：
- 约 68% 的数据落在 μ ± 1σ 范围内
- 约 95% 的数据落在 μ ± 2σ 范围内
- 约 99.7% 的数据落在 μ ± 3σ 范围内
在良率分析中，±3σ 通常被用作工艺规格限，对应约 2700 ppm 的缺陷率。
2.4 概率密度函数与累积分布函数
概率密度函数（PDF）描述连续随机变量在某个特定值附近的相对可能性。在器件建模中，PDF 用于回答“某个 Vth 值出现的概率密度是多少”。
累积分布函数（CDF）是 PDF 的积分，表示随机变量小于等于某个值的概率。CDF 在良率分析中直接用于计算落在规格限内的芯片比例。
| 函数 | 符号 | 数学定义 | 在良率分析中的用途 |
|---|---|---|---|
| 概率密度函数 | f(x) | f(x) = dF(x)/dx | 识别工艺参数的高概率区域 |
| 累积分布函数 | F(x) | F(x) = P(X ≤ x) | 计算良率：Y = F(USL) - F(LSL) |
良率计算示例：
假设 Vth 规格限为 LSL = 0.25V, USL = 0.35V
若 Vth ~ N(μ=0.30V, σ=0.015V)
则良率 Y = Φ((0.35-0.30)/0.015) - Φ((0.25-0.30)/0.015)
= Φ(3.33) - Φ(-3.33)
≈ 0.9996 - 0.0004 = 0.9992 (99.92%)2.5 统计量在SPICE建模中的映射
理解统计量后，需要将其映射到SPICE模型参数中。下表展示了常见器件参数与统计描述符的对应关系：
| 器件参数 | 物理含义 | 典型均值 (μ) | 典型标准差 (σ) | 分布类型 |
|---|---|---|---|---|
| Vth0 | 阈值电压 | 0.30 V | 15 mV | 正态 |
| U0 | 低场迁移率 | 450 cm²/V·s | 20 cm²/V·s | 正态 |
| TOX | 栅氧化层厚度 | 2.0 nm | 0.05 nm | 正态 |
| Rsh | 薄层电阻 | 10 Ω/□ | 0.8 Ω/□ | 对数正态 |
分布假设检查：并非所有工艺参数都严格服从正态分布。例如，接触电阻、漏电流等参数往往呈现对数正态分布。在建立统计模型前，应使用Q-Q图或Shapiro-Wilk检验验证正态性假设。
2.6 本节小结
- 均值描述工艺标称值，对应SPICE模型中的Typical Corner。
- 标准差量化工艺波动，是定义工艺角（如FF/SS）的基础。
- 正态分布是工艺波动的基本模型，68-95-99.7法则为良率估算提供快速参考。
- PDF与CDF分别用于分析概率密度和计算累积良率。
- 实际建模中需验证分布假设，必要时使用对数正态或其他分布。