4. 概率图原理:概率纸的构造、线性化变换与坐标轴设计

概率图(Probability Plot)是可靠性工程中最直观的分布检验工具。其核心思想是:通过坐标轴的数学变换,将原本非线性的累积分布函数(CDF)曲线“拉直”为一条直线。如果样本数据在变换后的坐标系中大致沿直线排列,则表明该分布假设成立。

4.1 概率纸的构造原理

传统概率纸(Probability Paper)是一种特制的坐标纸,其纵轴或横轴按特定分布的累积概率刻度进行非线性缩放。以 Weibull 概率纸为例,其构造基于以下数学逻辑:

  • 原始 CDF 非线性:Weibull 分布的 CDF 为 \( F(t) = 1 - e^{-(t/\eta)^\beta} \),呈 S 形曲线。
  • 双对数线性化:对 CDF 进行两次对数变换,将 S 形曲线映射为一条直线。
  • 刻度重标:概率纸的纵轴按 \(\ln(-\ln(1-F))\) 等距刻度,横轴按 \(\ln(t)\) 等距刻度,从而在纸上形成线性网格。
关键洞察:概率纸本质上是一个“模拟计算器”,它通过物理坐标轴的变形,让用户无需计算即可直接评估数据与理论分布的拟合程度。

4.2 线性化变换:从曲线到直线

Weibull 概率图的线性化变换是整章的技术核心。我们从 Weibull CDF 出发,推导出直线方程:

原始 CDF:  F(t) = 1 - exp[-(t/η)^β]
移项:      1 - F(t) = exp[-(t/η)^β]
取自然对数: ln[1 - F(t)] = -(t/η)^β
取负对数:   -ln[1 - F(t)] = (t/η)^β
再次取对数: ln{-ln[1 - F(t)]} = β·ln(t) - β·ln(η)

令:

  • 纵轴 Y = \(\ln(-\ln(1 - F(t)))\)
  • 横轴 X = \(\ln(t)\)
  • 斜率 = \(\beta\)(形状参数)
  • 截距 = \(-\beta \ln(\eta)\)

得到直线方程:Y = β·X − β·ln(η)

变换步骤 数学操作 作用
第 1 步 \(1 - F(t)\) 将累积概率转为可靠度
第 2 步 \(\ln[1 - F(t)]\) 消除指数函数
第 3 步 \(-\ln[1 - F(t)]\) 取正,得到幂函数形式
第 4 步 \(\ln(-\ln[1 - F(t)])\) 最终线性化,得到 Y
工程记忆口诀:“一减取反,两次对数”——先算可靠度,再取两次自然对数,即可得到线性坐标。

4.3 Weibull 概率图的坐标轴设计

现代 Weibull 概率图不再使用纸质坐标纸,而是通过软件绘制。但坐标轴的设计原理完全继承自概率纸:

  • 横轴(X 轴):对数刻度,标注 \(\ln(t)\) 或直接标注原始时间 \(t\)(刻度间距按对数增长)。
  • 纵轴(Y 轴):双对数刻度,标注 \(\ln(-\ln(1-F))\) 或直接标注累积失效百分比 \(F\%\)(0.1% 到 99.9%)。
  • 参考线:通常添加一条拟合直线,用于目视评估数据点的线性趋势。

下表总结了坐标轴的关键设计参数:

轴 刻度类型 标注内容 典型范围
横轴 X 对数(ln) 失效时间 \(t\) 1 ~ 10000(视数据而定)
纵轴 Y 双对数(ln(-ln)) 累积失效百分比 \(F\%\) 0.1% ~ 99.9%
辅助网格 对数等距 — 帮助读取数据点坐标
Weibull 概率图线性化变换流程 Weibull 概率图线性化变换流程 原始 CDF F(t) = 1 - e^{-(t/η)^β} 可靠度变换 R(t) = 1 - F(t) 第一次对数 ln[R(t)] 取负 -ln[R(t)] 第二次对数 Y = ln(-ln[R(t)]) 横轴 X X = ln(t) 直线方程 Y = β·X − β·ln(η)

4.4 概率图的实际构造步骤

在软件中构造 Weibull 概率图时,遵循以下步骤:

  1. 排序与秩计算:将失效时间从小到大排序,使用中位秩公式 \(F_i = (i - 0.3)/(n + 0.4)\) 估计累积失效概率。
  2. 坐标变换:计算 \(X_i = \ln(t_i)\) 和 \(Y_i = \ln(-\ln(1 - F_i))\)。
  3. 散点绘制:在变换后的坐标系中绘制 \((X_i, Y_i)\) 散点。
  4. 拟合直线:通过最小二乘法或极大似然法拟合直线,得到斜率 \(\hat{\beta}\) 和截距。
  5. 目视检验:观察散点是否围绕直线随机分布,无明显弯曲或离群模式。
常见陷阱:当样本量较小(n < 10)时,中位秩估计的方差较大,概率图可能出现假阳性或假阴性弯曲。此时应结合假设检验(如 Anderson-Darling 检验)综合判断。
Weibull 概率图坐标轴结构与拟合示例 Weibull 概率图坐标轴结构与拟合示例 Y = ln(-ln(1-F)) X = ln(t) 2 1 0 -1 -2 0 1 2 3 4 5 图例 观测数据点 拟合直线

4.5 概率图的优势与局限

维度 优势 局限
直观性 无需复杂计算,目视即可判断拟合质量 主观性强,不同观察者可能得出不同结论
信息量 可同时识别离群点、弯曲模式、混合分布 对尾部数据敏感,样本量不足时尾部波动大
参数估计 从图中可直接读取形状参数 β 和尺度参数 η 目视读取精度有限,不如数值方法准确
适用性 适用于完整数据、删失数据、多失效模式 对完全随机删失数据的处理需要修正秩
最佳实践:在工程应用中,概率图应作为初步诊断工具,与数值拟合优度检验(如 Anderson-Darling、Kolmogorov-Smirnov)配合使用,形成“目视 + 定量”的双重验证流程。