4. 常见寿命分布：威布尔分布、正态分布、对数正态分布的特点及与MTBF的关系
在可靠性工程中，产品的寿命数据往往遵循特定的统计分布规律。选择合适的寿命分布模型，是准确计算MTBF及其置信区间的前提。本章将系统阐述威布尔分布、正态分布和对数正态分布的核心特征、适用场景，以及它们与MTBF之间的数学关系。
4.1 威布尔分布 (Weibull Distribution)
4.1.1 分布特点
威布尔分布是可靠性工程中应用最广泛的寿命分布模型，由瑞典工程师威布尔提出。它通过形状参数的变化，能够灵活描述产品在早期失效、偶然失效和耗损失效三个不同阶段的寿命特征。
- 形状参数 β：决定分布曲线的形态。
- β < 1：失效率随时间递减，对应早期失效期（浴盆曲线左段）。
- β = 1：失效率为常数，对应偶然失效期（指数分布特例）。
- β > 1：失效率随时间递增，对应耗损失效期（浴盆曲线右段）。
- 尺度参数 η：也称特征寿命，表示63.2%的产品失效的时间点。
- 位置参数 γ：表示产品开始失效的延迟时间，通常取0。
4.1.2 与MTBF的关系
威布尔分布的MTBF（即平均寿命）计算公式为：
MTBF = η × Γ(1 + 1/β) + γ其中，Γ(·) 为伽马函数。当 γ = 0 时，MTBF 简化为 η × Γ(1 + 1/β)。
工程要点： 当 β = 1 时，威布尔分布退化为指数分布，此时 MTBF = η = 1/λ。当 β = 2 时，威布尔分布退化为瑞利分布，常用于描述磨损累积失效过程。
4.2 正态分布 (Normal Distribution)
4.2.1 分布特点
正态分布又称高斯分布，在可靠性工程中主要用于描述由磨损、疲劳、腐蚀等累积效应导致的耗损失效。其概率密度函数关于均值 μ 对称，标准差 σ 决定分布的离散程度。
- 对称性：以均值 μ 为中心，左右对称。
- 3σ 原则：约68.3%的数据落在 μ±σ 内，95.4%落在 μ±2σ 内，99.7%落在 μ±3σ 内。
- 适用场景：机械磨损、电子元器件老化、材料疲劳寿命等。
4.2.2 与MTBF的关系
对于正态分布，MTBF 直接等于均值 μ：
MTBF = μ这意味着，当产品寿命服从正态分布时，MTBF 就是分布的中心位置。但需注意，正态分布允许寿命取负值（理论上），因此当 σ 较大时，需谨慎使用。
使用限制： 正态分布要求寿命数据对称且无极端值。若产品存在早期失效或偶然失效，正态分布拟合效果较差，应优先考虑威布尔分布或对数正态分布。
4.3 对数正态分布 (Lognormal Distribution)
4.3.1 分布特点
对数正态分布描述的是：若随机变量 X 的对数 ln(X) 服从正态分布，则 X 服从对数正态分布。该分布右偏、非负，特别适合描述由乘法效应累积导致的失效过程。
- 右偏性：分布曲线左侧陡峭、右侧拖尾，适合描述大多数产品寿命数据（早期失效多、晚期失效少）。
- 非负性：取值始终大于0，符合寿命数据的物理约束。
- 适用场景：半导体器件失效、维修时间分布、裂纹扩展寿命、电子元器件可靠性。
4.3.2 与MTBF的关系
对数正态分布的MTBF计算公式为：
MTBF = exp(μ_ln + σ_ln² / 2)其中，μ_ln 和 σ_ln 分别为 ln(t) 的均值和标准差。注意，这里的 μ_ln 不是寿命的均值，而是对数寿命的均值。
常见误区： 初学者容易将对数正态分布的 μ_ln 直接当作 MTBF。实际上，MTBF 是 exp(μ_ln + σ_ln²/2)，而非 exp(μ_ln)。当 σ_ln 较大时，两者差异显著。
4.4 三种分布对比总结
| 对比维度 | 威布尔分布 | 正态分布 | 对数正态分布 |
|---|---|---|---|
| 形状特征 | 灵活可调（β控制） | 对称钟形 | 右偏、非负 |
| 失效率趋势 | 递增/常数/递减 | 递增（耗损期） | 先增后减（非单调） |
| MTBF公式 | η·Γ(1+1/β)+γ | μ | exp(μ_ln+σ_ln²/2) |
| 参数数量 | 2~3个 | 2个 | 2个 |
| 适用阶段 | 全寿命周期 | 耗损失效期 | 早期/耗损混合期 |
| 工程典型 | 电子系统、机械部件 | 磨损、疲劳 | 半导体、维修时间 |
4.5 分布选择与MTBF计算流程
在实际工程中，选择哪种寿命分布来计算MTBF，通常遵循以下步骤：
- 数据收集：获取产品失效时间或截尾数据。
- 分布拟合：使用概率图（如威布尔概率纸）或统计检验（如AD检验）判断数据符合哪种分布。
- 参数估计：采用极大似然估计（MLE）或最小二乘法估计分布参数。
- MTBF计算：根据所选分布的MTBF公式计算点估计值。
- 置信区间：基于分布假设，计算MTBF的置信区间（后续章节详述）。
4.6 工程应用提示
实战建议：
- 对于电子系统，优先尝试威布尔分布（β 通常在 0.5~3 之间）。
- 对于机械磨损件，正态分布或威布尔分布（β > 3）较为合适。
- 对于半导体器件和维修时间数据，对数正态分布是行业标准选择。
- 当数据量不足时，威布尔分布因其灵活性而成为首选。
理解不同寿命分布与MTBF的关系，是后续进行置信区间计算和可靠性评估的基础。在实际项目中，建议结合概率图拟合和统计检验，选择最符合数据特征的分布模型，避免盲目套用指数分布假设。