4. 常见概率分布的抽样方法
在蒙特卡洛仿真中，抽样方法决定了输入随机变量能否被正确还原。工程上常见的输入分布包括正态分布、对数正态分布、指数分布、威布尔分布和均匀分布。它们分别对应不同的物理量：正态分布常用于尺寸误差、测量噪声；对数正态分布常用于材料强度、疲劳寿命；指数分布常用于失效率恒定的寿命或等待时间；威布尔分布常用于磨损、疲劳等具有形状差异的寿命；均匀分布则常用于无先验信息或作为其他抽样的基础。
抽样的核心思路是“先产生标准均匀随机数，再通过变换得到目标分布”。设 U 为 [0,1) 上的均匀随机数，下面给出各分布的常用抽样公式与参数含义。
1. 均匀分布抽样
若 X ~ U(a, b)，则直接线性变换：
X = a + (b - a) * U这是所有抽样的基础。例如，某零件长度公差为 10±0.2 mm，若假设其在该区间内均匀分布，则每次抽样为 9.8 + 0.4*U。均匀分布抽样简单，但要注意它并不适合描述大多数自然误差，因为自然误差往往集中在中心附近。
2. 正态分布抽样
正态分布 N(μ, σ²) 的抽样通常采用 Box-Muller 变换或逆变换法。Box-Muller 法使用两个独立均匀随机数 U₁、U₂：
Z = sqrt(-2 * ln(U1)) * cos(2 * pi * U2)
X = mu + sigma * Z其中 Z 为标准正态随机数。若 U₁ 接近 0，ln(U₁) 会趋向负无穷，因此实现时应避免 U₁ 取 0，可令 U₁ = max(U₁, 1e-12)。例如，某轴径尺寸服从 N(20, 0.05²) mm，则每次抽样先得到 Z，再计算 20 + 0.05Z。正态分布抽样适合描述围绕均值波动的误差，但要注意其取值范围理论上是全体实数，实际使用时可根据物理限制截断。
3. 对数正态分布抽样
若 X 服从对数正态分布，则 ln(X) 服从正态分布。设 ln(X) ~ N(μ_ln, σ_ln²)，抽样步骤为：
Z = 标准正态随机数
X = exp(mu_ln + sigma_ln * Z)例如，某材料疲劳寿命服从对数正态分布，已知中位寿命为 10⁵ 次，对数标准差为 0.3，则 μ_ln = ln(10⁵) ≈ 11.513，σ_ln = 0.3。每次抽样先得到 Z，再计算 exp(11.513 + 0.3Z)。对数正态分布恒为正，且右偏，适合寿命、强度等不能为负的物理量。
4. 指数分布抽样
指数分布常用于描述恒定失效率下的寿命或等待时间。若 X ~ Exp(λ)，其中 λ 为失效率，则累积分布函数为 F(x)=1-exp(-λx)。采用逆变换法：
X = -ln(1 - U) / lambda由于 1-U 与 U 同为均匀分布，也可写成 X = -ln(U)/λ。例如，某电子元件失效率 λ = 1/5000 次/h，则平均寿命为 5000 h。每次抽样得到 X = -ln(U)*5000。指数分布具有无记忆性，适合描述随机失效阶段。
5. 威布尔分布抽样
威布尔分布是寿命分析中最常用的分布之一，其累积分布函数为 F(x)=1-exp(-(x/η)^β)，其中 β 为形状参数，η 为尺度参数。采用逆变换法：
X = eta * (-ln(1 - U))^(1 / beta)例如，某轴承寿命服从威布尔分布，β = 2.0，η = 8000 h，则每次抽样为 8000 * (-ln(1-U))^(1/2)。当 β=1 时，威布尔分布退化为指数分布；当 β>1 时，失效率随时间增大，适合磨损和疲劳；当 β<1 时，失效率随时间减小，适合早期失效。
6. 抽样验证：如何判断抽样是否正确
抽样实现后必须验证，否则后续仿真结果可能完全失真。验证通常从三个层面进行。
第一，直方图对比。将大量样本（例如 10⁵ 个）绘制频率直方图，并叠加目标分布的理论概率密度曲线。若两者形状、峰值位置和尾部厚度基本一致，说明抽样方向正确。例如，正态分布抽样应呈现对称钟形；对数正态分布应呈现右偏；指数分布应在 0 附近最高并单调下降。
第二，Q-Q 图与 K-S 检验。Q-Q 图将样本分位数与理论分位数对比，若点近似落在 45° 直线上，说明分布拟合良好。K-S 检验给出最大偏差 D 和 p 值，当 p 值大于显著性水平（如 0.05）时，不能拒绝样本来自目标分布的原假设。需要注意，K-S 检验对样本量敏感，样本量过大时微小偏差也可能显著，因此应结合图形判断。
第三，矩与收敛性检查。计算样本均值、方差、偏度和峰度，与理论值对比。例如，指数分布 Exp(λ) 的理论均值为 1/λ，方差为 1/λ²；威布尔分布 W(β,η) 的均值为 η·Γ(1+1/β)。若样本矩与理论矩偏差过大，说明抽样公式或参数设置有误。此外，随着样本量从 10³ 增加到 10⁵，样本均值和方差应逐渐稳定，若出现明显漂移，则需检查随机数生成器或变换实现。
总结来说，五种分布的抽样都建立在均匀随机数之上：均匀分布直接线性变换；正态分布用 Box-Muller 或逆变换；对数正态分布先抽样正态再取指数；指数分布和威布尔分布用逆变换法。抽样完成后，必须通过直方图、Q-Q 图、K-S 检验和矩检验进行验证，确保样本统计特性与目标分布一致，才能进入后续的蒙特卡洛仿真与稳健设计分析。