3. 恒定失效率假设：指数分布的核心假设——无记忆性，推导与物理意义

指数分布之所以成为可靠性工程中“恒定失效率”的代名词，其根本原因在于它满足一个独特的数学性质——无记忆性（Memoryless Property）。这一性质直接决定了指数分布模型只适用于“偶然失效期”的场景，也是它与正态分布、威布尔分布等模型最本质的区别。

3.1 无记忆性的数学定义

设随机变量 \( T \) 表示产品的失效时间，且 \( T \sim \text{Exp}(\lambda) \)。无记忆性用条件概率表述为：

P(T > t + s | T > s) = P(T > t)   对于任意 t > 0, s > 0

通俗解释：一个已经工作了 \( s \) 小时的产品，再继续工作 \( t \) 小时而不失效的概率，与一个全新产品工作 \( t \) 小时而不失效的概率完全相同。也就是说，产品“不记得”自己已经工作了多久。

3.2 从指数分布推导无记忆性

已知指数分布的生存函数（可靠度函数）为：

R(t) = P(T > t) = e^{-λt}

根据条件概率公式：

P(T > t + s | T > s) = P(T > t + s) / P(T > s)
                      = e^{-λ(t+s)} / e^{-λs}
                      = e^{-λt}
                      = P(T > t)

推导结果恰好等于 \( e^{-λt} \)，与 \( s \) 无关。这从数学上严格证明了指数分布是唯一具有无记忆性的连续分布。

3.3 无记忆性的物理意义与工程解释

在工程实践中，无记忆性对应着“恒定失效率”的物理图景。下表总结了不同失效阶段与无记忆性的匹配关系：

无记忆性的物理本质可以归纳为以下三点：

• 失效机制完全随机： 失效由外部随机冲击或内部微观缺陷偶然触发，而非由累积损伤主导。
• 无累积损伤效应： 产品在任意时刻的失效概率密度相同，过去的工作时间不改变未来的失效风险。
• 维修后“如新”： 对于可修复系统，指数分布假设意味着修复后系统恢复至全新状态，不存在“磨损记忆”。

3.4 无记忆性的直观图示

下面的 SVG 图对比了指数分布（无记忆）与威布尔分布（有记忆）在条件生存概率上的差异，直观展示“过去是否影响未来”。

3.5 无记忆性在建模中的实际影响

理解无记忆性对于正确使用指数分布至关重要。下表总结了无记忆性假设对建模实践的直接影响：

3.6 无记忆性的数学唯一性

在连续分布中，指数分布是唯一满足无记忆性的分布。在离散分布中，几何分布是其对应物。这一唯一性意味着：

• 如果数据支持无记忆性假设，则指数分布是唯一正确的连续模型。
• 如果数据拒绝无记忆性假设，则必须使用威布尔、对数正态等“有记忆”分布。

实际工程中，可以通过以下方法检验无记忆性：

1. 图形法： 绘制累积失效率函数 \( H(t) = -\ln R(t) \) 对时间 \( t \) 的散点图，若近似为过原点的直线，则支持指数分布。
2. 统计检验： 使用 Kolmogorov-Smirnov 检验或 Anderson-Darling 检验，比较经验分布与指数分布的拟合优度。
3. 工程判断： 分析失效物理机制，确认是否存在磨损、疲劳、腐蚀等累积损伤过程。