2. 概率分布基础回顾
分布拟合与参数检验的全部工作，都建立在“候选分布族”这一前提之上。如果对常见分布的数学形式、参数含义和适用场景缺乏清晰认识，后续的拟合优度检验、参数估计与模型选择就会变成盲目试错。本节系统梳理工程与数据分析中最常用的几类分布，重点说明它们的支撑集、参数如何影响形状、以及什么样的数据生成机制会自然导向该分布。
离散型分布：计数数据的两种典型机制
离散型分布描述取值为可数集合的随机变量，最常见的是非负整数计数。泊松分布是计数数据的基准模型，其概率质量函数为
P(X = k) = λ^k · e^(−λ) / k!， k = 0, 1, 2, …
E(X) = Var(X) = λ泊松分布只有一个参数 λ，表示单位时间或单位面积内的平均事件数。它的关键特征是均值等于方差，这源于“事件独立、发生率恒定、不发生聚集”的假设。实际数据中，如果观测方差明显大于均值，称为过离散，此时泊松模型会低估尾部概率，导致检验频繁拒绝。
负二项分布正是为过离散计数数据准备的。它可视为泊松分布中发生率 λ 本身服从伽马分布时的混合结果，其质量函数为
P(X = k) = C(k + r − 1, k) · p^r · (1 − p)^k
E(X) = r(1 − p)/p， Var(X) = r(1 − p)/p²其中 r 常称为离散参数或形状参数，p 为成功概率。当 r → ∞ 时负二项退化为泊松。工程中，设备缺陷数、保险理赔次数、一段时间内的故障计数若呈现聚集性（例如某批次产品缺陷集中出现），负二项往往比泊松更合适。判断依据很直接：先算样本均值与样本方差，若方差显著大于均值，就应把负二项纳入候选。
连续型分布：从对称到右偏的谱系
正态分布是最重要的连续分布，记为 N(μ, σ²)，密度为
f(x) = 1/(σ√(2π)) · exp(−(x − μ)²/(2σ²))μ 决定位置，σ 决定尺度，分布关于 μ 对称，偏度为 0。正态分布适合描述大量独立微小随机因素叠加的结果，例如测量误差、同一批次材料的强度波动。但它的支撑集是全体实数，对于寿命、尺寸、浓度这类必须为正的量，直接用正态拟合会在低端产生不合理的负概率，这是实际建模中必须警惕的问题。
对数正态分布通过对数变换与正态相连：若 ln X ~ N(μ, σ²)，则 X 服从对数正态分布。其密度为
f(x) = 1/(xσ√(2π)) · exp(−(ln x − μ)²/(2σ²))， x > 0
E(X) = exp(μ + σ²/2)， Var(X) = [exp(σ²) − 1]·exp(2μ + σ²)注意这里的 μ、σ 是对数尺度上的参数，不是原始数据的均值和标准差，这是初学者最容易混淆的地方。对数正态呈明显右偏，适合描述由“乘性”因素累积形成的正值量，如颗粒粒径、某些材料的疲劳寿命、收入分布。若对样本取对数后近似呈直线状的正态概率图，就强烈提示对数正态。
伽马分布用形状参数 k 和尺度参数 θ 描述，密度为
f(x) = x^(k−1) · e^(−x/θ) / (θ^k · Γ(k))， x > 0
E(X) = kθ， Var(X) = kθ²k 控制形状：k = 1 时退化为指数分布，k < 1 时在 0 附近趋于无穷，k > 1 时先升后降。伽马分布常用来描述多个独立指数型等待时间之和，例如包含多道串联工序的加工时间、系统累积损伤达到阈值的时间。它与负二项在离散情形下形成对应关系，这一点在统一理解分布族时很有帮助。
威布尔分布是可靠性工程的核心分布，其生存函数形式简洁：
F(x) = 1 − exp(−(x/η)^β)， x > 0
f(x) = (β/η)·(x/η)^(β−1)·exp(−(x/η)^β)其中 η 为尺度参数（特征寿命），β 为形状参数。β 的取值直接对应失效机理：β < 1 表示早期失效（故障率递减），β = 1 退化为指数分布（恒定故障率），β > 1 表示耗损失效（故障率递增），β 接近 3.5 时近似正态。这种“形状即机理”的解释力，使威布尔在寿命数据分析中几乎不可替代。
参数意义与建模选择的实操要点
把上述分布放到实际拟合流程中，需要建立“先看数据形态、再定候选族”的习惯。第一步是检查支撑集：若数据严格为正且右偏明显，正态应作为对照而非首选，对数正态、伽马、威布尔更值得优先尝试。第二步是比较均值与方差：计数数据若方差远大于均值，直接排除泊松，转向负二项。第三步是借助图形判断：直方图叠加密度曲线、经验分布与理论分布的分位数图（Q-Q 图），能快速暴露尾部拟合不良的问题。
参数解释也必须落到业务语言上。以某批轴承寿命数据为例（以下为教学示例的合理假设，非实测结果）：若拟合得到威布尔形状参数 β ≈ 2.3、尺度 η ≈ 1200 小时，则可解释为故障率随使用时间递增，属于耗损型失效，且约 63.2% 的样本会在 1200 小时前失效。若另一批数据拟合出 β ≈ 0.8，则提示早期失效占主导，应优先排查制造缺陷而非延长保修期。这种从参数到机理的翻译，正是分布回顾的真正价值。
最后需要强调，分布族的选择不是一次性的。拟合优度检验（如 K-S、A-D、卡方）给出的是“在当前样本量下是否拒绝”的判断，而非“哪个分布正确”。实践中常出现多个候选分布都无法被拒绝的情况，此时应结合 AIC/BIC、尾部行为、参数可解释性综合取舍，并明确记录所选分布及其假设，为后续参数检验和结论复现留下依据。