常见的可靠性指标及其概率解释
失效分布和平均寿命
剩余寿命
具有年龄t的产品从t开始继续使用下去直到失效为止所经历的时间,记为 ξt ξ t
平均寿命
MTTF或MTBF
可靠度和可靠寿命
要求 R(t)=R R ( t ) = R ,求相应的时间t,这个时间称为可靠寿命 tR t R
- R=0.5 R = 0.5 时 t0.5 t 0.5 称为中位寿命
- R=e−1 R = e − 1 时 te−1 t e − 1 称为特征寿命
数据的初步整理分析
直方图
分为频数(r)、频率(f)、累计频率(F)、失效率(λ)直方图
组数: k=1+3.3lg(n) k = 1 + 3.3 l g ( n )
经验分布函数
完全样本
样本容量较大时: Fn(ti)=in F n ( t i ) = i n
样本容量较小( n⩽20 n ⩽ 20 )时:
- 海森公式: Fn(ti)=i−0.5n F n ( t i ) = i − 0.5 n
- 数学期望公式: Fn(ti)=in+1 F n ( t i ) = i n + 1
- 近似中位秩公式: Fn(ti)=i−0.3n+0.4 F n ( t i ) = i − 0.3 n + 0.4
当 i=n=1 i = n = 1 时它们都等于0.5
删失样本
用乘积限估计:
随机截尾寿命试验的可靠度函数计算
残存比率法
残存比率法是由概率乘法公式得来的,因此它适用于样本量较大的情况
定义产品在时间区间 (ti−1,ti) ( t i − 1 , t i ) 内的残存概率 S(ti) S ( t i ) ,它是一个条件概率。表示在 ti−1 t i − 1 时刻能完好工作的产品继续工作至 ti t i 时刻尚能完好工作的概率
产品在某时刻ti的可靠度
S(ti) S ( t i ) 可以由样本估计
平均秩次法
平均秩次法可用于样本量较小的情况,它采用了中位秩公式
算出平均秩次i,带入中位秩公式: Fn(tk)=i−0.3n+0.4 F n ( t k ) = i − 0.3 n + 0.4
例如:如果F2秩次为2,它前面和后面的排列总共有24种;如果F2秩次为3,它前面和后面的排列总共有6种,F2的平均秩次由2、3的种类加权平均得 Fn(t2)=6∗3+24∗26+24=2.2 F n ( t 2 ) = 6 ∗ 3 + 24 ∗ 2 6 + 24 = 2.2
样本量多时用增量公式: ΔAk=Ak−Ak−1=n+1−Ak−1n−i+2 Δ A k = A k − A k − 1 = n + 1 − A k − 1 n − i + 2
顺序统计量的应用
第k个顺序统计量的分布
设总体 ξ ξ 的分布函数为 F(t) F ( t ) ,密度函数为 f(t) f ( t ) ,则容量为n的子样,其第k个顺序统计量 T(k) T ( k ) 的分布密度函数为:
顺序统计量的联合分布、经验分布函数的分布
略
各种截尾样本的联合分布
fT1,T2,...,Tr(t1,t2,...,tr)= f T 1 , T 2 , . . . , T r ( t 1 , t 2 , . . . , t r ) =
- 完全寿命试验: n!∏ni=1f(ti) n ! ∏ i = 1 n f ( t i )
- 定数截尾试验: n!(n−r)![∏ri=1f(ti)][1−F(tr)]n−r n ! ( n − r ) ! [ ∏ i = 1 r f ( t i ) ] [ 1 − F ( t r ) ] n − r (失效的时间为 ti t i ,顺序已定;未失效的为 tr t r ,(n - r)个排列)
- 定时截尾试验: n!(n−r)![∏ri=1f(ti)][1−F(t0)]n−r n ! ( n − r ) ! [ ∏ i = 1 r f ( t i ) ] [ 1 − F ( t 0 ) ] n − r (把 tr t r 换为 t0 t 0 )
- 随机截尾试验: C∏ri=1f(ti)∏ki=1[1−F(τi)] C ∏ i = 1 r f ( t i ) ∏ i = 1 k [ 1 − F ( τ i ) ] (C不能用一个统一的表达式表示,此处暂以C代之,因为在实际应用中,其大小无影响)
常见失效分布
二项分布
n次伯努利实验成功次数
- P(X=x)=Cxnpx(1−p)n−x P ( X = x ) = C n x p x ( 1 − p ) n − x
- E(X)=np E ( X ) = n p
- D(X)=np(1−p) D ( X ) = n p ( 1 − p )
当n很大,p很小时近似于泊松分布, λ=np λ = n p
二项分布的和服从贝塔分布
负二项分布
预定成功次数s,求试验次数
- P(X=x)=Cs−1x−1ps(1−p)x−s P ( X = x ) = C x − 1 s − 1 p s ( 1 − p ) x − s (最后一次为成功,前面的抽 s−1 s − 1 次成功)
- E(X)=sp E ( X ) = s p
- D(X)=s(1−p)p2 D ( X ) = s ( 1 − p ) p 2
超几何分布
N个产品有D个次品,抽n个,求次品数
- P(X=x)=CxDCn−xN−DCnN P ( X = x ) = C D x C N − D n − x C N n
- E(X)=nDN E ( X ) = n D N
- D(X)=N−nN−1nDNN−DN D ( X ) = N − n N − 1 n D N N − D N
当N很大,n很小时近似于二项分布, p=DN p = D N
泊松分布
一段时间内事件发生的次数
- P(X=x)=λxx!e−λ P ( X = x ) = λ x x ! e − λ
- E(X)=λ E ( X ) = λ
- D(X)=λ D ( X ) = λ
贝塔分布
成功s次,失败f次,成功概率的分布
- f(x)