2. 统计学基础回顾
可靠性试验的样本量设计与置信度计算，本质上是基于概率统计的推断过程。在进入具体公式之前，必须牢固掌握几个核心统计学概念：概率分布、均值与方差、以及置信区间。本章将围绕可靠性工程中最常用的三种分布展开，并建立从分布参数到置信推断的桥梁。
2.1 三种核心概率分布
在可靠性工程中，产品的寿命数据通常服从以下三种分布之一。选择正确的分布是后续计算样本量和置信区间的前提。
| 分布类型 | 适用场景 | 关键参数 | 失效率特征 |
|---|---|---|---|
| 指数分布 | 电子元器件、随机失效期（浴盆曲线底部） | 失效率 λ（或平均寿命 MTBF = 1/λ） | 恒定失效率 |
| 威布尔分布 | 机械零件、磨损/疲劳失效、早期失效 | 形状参数 β、尺度参数 η | β<1 递减，β=1 恒定，β>1 递增 |
| 正态分布 | 耗损失效、产品性能退化、测量误差 | 均值 μ、标准差 σ | 随时间急剧上升 |
2.1.1 指数分布
指数分布是可靠性工程中最基础的分布，其概率密度函数（PDF）为：
f(t) = λ e^{-λ t}, t ≥ 0其中 λ 为失效率，MTBF（平均无故障时间）= 1/λ。指数分布具有“无记忆性”，即产品在 t 时刻正常工作的条件下，剩余寿命的分布与 t 无关。这一特性使得指数分布下的样本量计算相对简洁。
2.1.2 威布尔分布
威布尔分布通过形状参数 β 灵活描述不同失效模式，其 PDF 为：
f(t) = (β/η) (t/η)^{β-1} e^{-(t/η)^β}, t ≥ 0- β < 1：失效率递减，对应早期失效（磨合期）。
- β = 1：退化为指数分布，对应随机失效期。
- β > 1：失效率递增，对应磨损或疲劳失效。
威布尔分布是可靠性试验中最灵活的模型，样本量设计通常需要基于 β 的估计值。
2.1.3 正态分布
正态分布在耗损失效阶段常见，其 PDF 为：
f(t) = (1/(σ√(2π))) e^{-(t-μ)^2/(2σ^2)}在可靠性试验中，正态分布常用于分析产品性能退化数据或测量误差。当样本量较大时，样本均值的分布近似正态分布（中心极限定理），这是置信区间计算的重要依据。
2.2 均值与方差
均值和方差是描述分布集中趋势和离散程度的两个核心数字特征。在可靠性试验中，它们直接关联到产品寿命的估计精度。
| 分布 | 均值 E(T) | 方差 Var(T) |
|---|---|---|
| 指数分布 | 1/λ | 1/λ² |
| 威布尔分布 | η · Γ(1 + 1/β) | η² · [Γ(1 + 2/β) - Γ²(1 + 1/β)] |
| 正态分布 | μ | σ² |
其中 Γ(·) 为伽马函数。从表中可以看出：
- 指数分布的方差等于均值的平方，离散程度完全由均值决定。
- 威布尔分布的均值和方差均受形状参数 β 和尺度参数 η 共同影响，β 越小，数据越分散。
- 正态分布的均值和方差相互独立，σ 越大，寿命数据越分散，需要的样本量通常也越大。
2.3 置信区间概念
置信区间是统计学中用于量化估计不确定性的核心工具。在可靠性试验中，我们通常用样本数据来估计总体参数（如 MTBF、可靠度），并给出一个区间，该区间以一定的概率包含真实参数值。
2.3.1 置信区间的定义
一个 100(1-α)% 的置信区间表示：如果重复进行大量相同试验，大约有 100(1-α)% 的区间会包含真实的总体参数。α 是显著性水平，通常取 0.05 或 0.10，对应 95% 或 90% 的置信水平。
2.3.2 置信区间的一般形式
置信区间 = 点估计 ± 临界值 × 标准误- 点估计：由样本数据计算得到的参数估计值（如样本均值）。
- 临界值：取决于置信水平和分布类型（如正态分布的 z 值或 t 分布的值）。
- 标准误：点估计的标准差，反映估计量的抽样波动。
2.3.3 可靠性试验中的常见置信区间
| 参数 | 分布假设 | 置信区间形式（近似） |
|---|---|---|
| MTBF（指数分布） | 卡方分布 | [2T/χ²_{α/2, 2r+2}, 2T/χ²_{1-α/2, 2r}] |
| 均值 μ（正态分布，σ 已知） | 正态分布 | [x̄ - z_{α/2}·σ/√n, x̄ + z_{α/2}·σ/√n] |
| 均值 μ（正态分布，σ 未知） | t 分布 | [x̄ - t_{α/2, n-1}·s/√n, x̄ + t_{α/2, n-1}·s/√n] |
| 可靠度 R(t)（非参数） | 二项分布 | 基于 Clopper-Pearson 精确区间 |
2.4 从分布到置信度：样本量设计的逻辑链
理解上述概念后，可以梳理出可靠性试验样本量设计的核心逻辑链：
- 确定目标分布：根据产品失效机理选择指数、威布尔或正态分布。
- 设定置信水平：通常为 90% 或 95%，对应 α = 0.10 或 0.05。
- 指定允许误差：即置信区间的半宽度（精度要求），例如 MTBF 估计误差不超过 ±20%。
- 估计方差：利用历史数据或工程经验估计分布参数的方差（如 σ² 或 β）。
- 计算样本量：基于置信区间公式反推所需样本量 n。