2. 概率统计基础与电路参数建模
容差仿真的本质，是把电路里那些“不确定”的量用概率语言描述出来，再让仿真器按这些描述反复抽样计算。因此，在打开任何蒙特卡洛工具之前，必须先回答三个问题：这个参数是连续量还是离散量？它服从什么分布？它的中心值和离散程度是多少？本节围绕这三个问题，建立从随机变量到具体器件参数波动的完整建模链条。
随机变量：把“不确定的参数”变成可运算的对象
随机变量是把随机试验的结果映射为数值的函数。在电路语境中，它就是我们关心的、会波动的物理量：某批次电阻的阻值、某颗晶体管的阈值电压、某电容的容值。按取值方式分为两类：
- 连续型随机变量：取值充满一个区间，用概率密度函数 f(x) 描述，某点概率为零，只有区间概率有意义。电阻阻值、阈值电压、容值都属于此类。
- 离散型随机变量：取有限或可数多个值，用概率质量函数描述。例如工艺档位（典型/快/慢）、器件是否失效（0/1）、某电阻是否落在 ±1% 档。
建模时先判断类型，再选分布。把连续量误当离散量处理，会丢失分布形状信息；把离散量强行用正态分布拟合，则可能产生物理上不存在的中间取值。
均值与方差：描述波动的两个核心参数
均值 μ 是随机变量的期望，代表“中心值”，通常对应工艺标称值或设计目标值。方差 σ² 度量取值偏离均值的平均平方程度，其平方根 σ 是标准差，与参数同量纲，最直观。工程上更常用变异系数 CV = σ/μ 来横向比较不同量纲参数的相对波动：一个 10 kΩ 电阻若 σ = 100 Ω，CV = 1%；一个 1 pF 电容若 σ = 0.02 pF，CV = 2%，后者相对更“不稳”。
对于多个独立随机变量之和 Y = X₁ + X₂ + … + Xₙ，有 μ_Y = Σμ_i，σ_Y² = Σσ_i²。这条公式解释了为什么串联电阻的绝对误差按平方和叠加，而不是简单相加——最坏情况相加过于悲观，均方根叠加更符合统计实际。若变量相关，则需引入协方差项，这也是同一芯片上相邻器件参数往往同向漂移的原因。
常用概率分布及其电路对应
| 分布 | 关键参数 | 典型电路对象 | 取值特点 |
|---|---|---|---|
| 正态分布 | μ, σ | 电阻阻值、阈值电压、运放失调 | 对称、无界，±3σ 覆盖约 99.73% |
| 均匀分布 | a, b（上下限） | 仅知容差范围、无中心倾向的容值 | 区间内等概率，σ=(b−a)/√12 |
| 对数正态分布 | μ_ln, σ_ln | 电阻率、某些工艺参数 | 恒为正、右偏，适合乘性波动 |
| 二项/伯努利分布 | n, p | 器件失效、良率计数 | 离散，用于成品率统计 |
正态分布是默认首选，因为大量独立微小因素叠加后趋于正态（中心极限定理）。但当只知道“容差 ±5%”而没有任何中心倾向信息时，均匀分布更保守、更诚实。对数正态适合描述本身必须为正且波动呈乘性关系的量。
从数据手册到仿真模型：三类器件的波动描述
电阻：数据手册给出标称值和容差，如 10 kΩ ±1%。若假设正态分布，常取 ±3σ 对应容差限，则 σ = 1%×10 kΩ/3 ≈ 33.3 Ω；若假设均匀分布，则 σ = (10.1−9.9) kΩ/√12 ≈ 57.7 Ω。同一容差下，均匀分布的标准差更大，仿真结果更悲观。此外电阻还有温度系数 TCR，如 ±100 ppm/℃，需与容差波动叠加考虑。
电容：容差通常较宽，如 100 nF ±10%，且介质类型影响显著。X7R 陶瓷电容容值随电压和温度变化大，建模时除容差外还应考虑直流偏压导致的容值下降，可用附加的电压相关系数描述。电解电容容差常为 −20%/+80%，明显不对称，此时用对数正态或分段分布比正态更合适。
晶体管：阈值电压 V_th 是核心波动参数，工艺角（TT/FF/SS/SF/FS）给出的是离散档位，而蒙特卡洛需要连续分布。典型做法是：以 TT 的 V_th 为均值，根据工艺线提供的 σ 值（例如 σ_Vth = 15 mV）建立正态分布，再对迁移率、氧化层厚度等参数按相关性同步抽样。晶体管波动还分全局漂移（整片同向）和局部失配（相邻器件随机差异），前者影响所有管子，后者主要影响差分对和电流镜匹配，建模时必须区分，否则会高估或低估失调。
参数相关性与抽样设置
实际电路中参数并非彼此独立。同一批次电阻的阻值往往同向漂移，差分对两管的 V_th 存在失配但也有共同工艺分量。若忽略相关性，蒙特卡洛会低估或高估整体波动。工程上常用相关系数矩阵 ρ 描述，再通过 Cholesky 分解把独立标准正态样本转换为相关样本。例如设两电阻相关系数 ρ = 0.7，则抽样时先生成独立变量 z₁、z₂，再令 x₁ = z₁，x₂ = 0.7z₁ + √(1−0.7²)·z₂，即可得到指定相关性的样本对。
抽样数量也需权衡：样本太少，均值和 σ 估计不稳；样本太多，仿真时间不可接受。一般先用 100～200 次观察分布形态，确认无异常后再用 1000 次以上做良率统计。判断收敛可观察均值与 σ 随样本数的变化曲线，当二者趋于平稳即可认为样本充足。
把上述链条落到一次具体仿真上：设某分压电路由 R₁ = 10 kΩ ±1%、R₂ = 10 kΩ ±1% 串联，输出取 R₂ 两端电压。若两电阻独立且均按正态建模，σ_R = 33.3 Ω，则分压比的相对标准差约为 √(0.01² + 0.01²)/√3 ≈ 0.82%，输出 2.5 V 时 σ ≈ 20 mV。若两电阻相关系数 ρ = 0.7，则共同漂移部分抵消，输出波动反而减小。这说明相关性方向直接决定波动是叠加还是抵消，是容差建模中最容易被忽略却影响最大的一环。