2. 概率基础与工程随机变量

工程不确定性量化的一切计算，最终都落在“随机变量”这一数学对象上。本节先建立概率的公理化语言，再引入随机变量及其分布，最后用几个典型工程参数说明如何把现场或试验中的模糊认识转化为可计算的概率模型。学习本节的目标不是推导定理，而是能够在拿到一个工程参数时，判断它应当用哪种分布描述、参数从哪里来、期望与方差如何解释。

概率公理：不确定性的共同语言

概率论用三条公理约束“事件发生的可能性”这一度量。设样本空间为 Ω，事件 A、B 为 Ω 的子集，概率测度 P 满足：非负性 P(A) ≥ 0；规范性 P(Ω) = 1；可列可加性——若事件两两互斥，则 P(∪Aᵢ) = ΣP(Aᵢ)。由这三条可推出补事件公式 P(Aᶜ) = 1 − P(A)、单调性以及加法公式 P(A∪B) = P(A) + P(B) − P(A∩B)。

工程上最容易出错的是“互斥”与“独立”的混淆。互斥指两事件不能同时发生，P(A∩B) = 0；独立指 P(A∩B) = P(A)P(B)。两个正概率事件若互斥，必然不独立。例如某构件“屈服强度不足”和“荷载超限”可以同时发生，二者不是互斥事件，失效概率应按加法公式扣除交集，而不是简单相加。条件概率 P(A|B) = P(A∩B)/P(B) 则是后续贝叶斯更新的基础：当获得新的检测信息 B 时，对 A 的判断应按此式修正。

随机变量与分布函数

随机变量 X 是把样本空间映射到实数的函数，它使“事件”可以用区间表示，如 {X ≤ x}。累积分布函数 F(x) = P(X ≤ x) 单调不减、右连续，取值从 0 到 1。连续型随机变量用概率密度 f(x) 描述，F(x) 为 f 的积分，且 P(a < X ≤ b) = F(b) − F(a)。注意连续型变量取单点的概率为零，因此区间端点开闭不影响结果。

工程中常需要由分布函数反求分位值，例如“保证率 95% 对应的强度下限”即求 x 使 F(x) = 0.95。这一操作在可靠度指标计算和规范取值中反复出现，应熟练掌握查表或调用函数求解的方式。

四类常用分布及其工程适用场景

正态分布 N(μ, σ²) 由均值与标准差完全确定，取值对称分布于均值两侧，约 68.3% 的概率落在 μ±σ 内，95.4% 落在 μ±2σ 内。它适合描述由大量独立微小因素叠加而成的量，如混凝土抗压强度的批次波动、测量误差。但正态分布取值可正可负，对严格为正且右偏的量（如材料强度下限、疲劳寿命）直接使用会在低尾产生不合理的小值甚至负值。

均匀分布 U(a, b) 在区间内密度恒定，均值为 (a+b)/2，方差为 (b−a)²/12。它适用于“只知道范围、区间内无偏好信息”的情形，例如某批次钢材厚度因轧制公差限定在 [9.8, 10.2] mm，在缺乏更多数据时可先按均匀分布建模。均匀分布是最大熵意义下区间约束下的保守选择。

对数正态分布 若 ln X ~ N(μ, σ²)，则 X 服从对数正态分布，取值恒为正且右偏。其均值与方差为 E[X] = exp(μ + σ²/2)，Var[X] = [exp(σ²) − 1]·exp(2μ + σ²)。它适合描述乘性误差累积的量，如材料强度、风速、疲劳寿命、颗粒粒径。工程中常先由样本均值 m 与变异系数 δ 反算参数：σ² = ln(1 + δ²)，μ = ln m − σ²/2。

威布尔分布 三参数形式含形状参数 k、尺度参数 λ 和位置参数 x₀，其生存函数为 exp[−((x−x₀)/λ)^k]。形状参数 k 决定失效率走向：k < 1 对应早期失效（失效率递减），k = 1 退化为指数分布（失效率恒定），k > 1 对应磨损或疲劳型失效（失效率递增）。因此威布尔分布是可靠性工程中描述寿命的首选模型，k 的估计值本身就能反映失效机理。

期望与方差：工程解释

期望 E[X] 是概率加权下的“长期平均”，方差 Var[X] = E[(X − E[X])²] 度量围绕均值的离散程度，标准差 σ 与 X 同量纲，更便于工程比较。常用性质包括 E[aX + b] = aE[X] + b、Var[aX + b] = a²Var[X]，以及独立条件下 Var[X + Y] = Var[X] + Var[Y]。注意方差可加性要求独立或至少不相关，工程中若两个荷载存在共同的环境因素（如同受温度影响），直接相加方差会低估总离散。

变异系数 δ = σ/μ 是无量纲的相对离散指标，常用于跨量比较。例如某批钢材强度均值 400 MPa、标准差 24 MPa，δ = 6%；而某地基承载力均值 200 kPa、标准差 40 kPa，δ = 20%，后者不确定性明显更大，在可靠度分析中应给予更高权重。

工程参数概率建模案例

假设某钢筋混凝土梁的混凝土抗压强度设计值为 30 MPa，现场回弹检测获得 12 个芯样强度（单位 MPa）：34.2、36.8、33.5、38.1、35.6、37.2、34.9、36.1、35.0、37.8、33.9、36.5。这组数据仅用于演示建模流程。

第一步，计算样本均值与标准差。均值约为 35.8 MPa，样本标准差约为 1.55 MPa，变异系数约 4.3%。第二步，选择分布。强度恒为正、波动来自多因素乘性叠加，选用对数正态分布较合理；若样本量更大且偏度接近零，也可用正态分布近似。第三步，反算对数正态参数：σ² = ln(1 + 0.043²) ≈ 0.00185，σ ≈ 0.043；μ = ln(35.8) − 0.00185/2 ≈ 3.578 − 0.0009 ≈ 3.577。第四步，求保证率 95% 对应的强度特征值：x₀.₉₅ = exp(μ + 1.645σ) ≈ exp(3.577 + 0.0707) ≈ 38.4 MPa。若关注低尾，则 5% 分位值为 exp(3.577 − 0.0707) ≈ 33.2 MPa，可作为强度下限的参考。

第五步，解释结果并检查合理性。计算得到的 5% 分位值 33.2 MPa 高于设计值 30 MPa，说明按当前样本该批次强度对设计值有一定裕度；但样本仅 12 个，参数估计本身带有不确定性，若用于正式可靠度分析，应结合置信区间或贝叶斯方法考虑估计误差。此外应检查数据是否存在异常值，本例中 38.1 MPa 与均值偏离约 1.5 倍标准差，尚在合理范围。

本节建立的公理体系、随机变量语言与四类分布，是后续可靠度指标、蒙特卡洛模拟和灵敏度分析的直接输入。真正决定量化质量的，往往不是算法本身，而是分布选择与参数来源是否与工程实际相符。