第13讲 可靠性设计中常用分布函数
可靠性分布

正态分布(高斯分布)Normal (or Gaussian) Distribution MIL-HDBK-338B PAGE 90 5.3.对可靠性来说,正态分布有两种用途:1)用于分析由于磨损(如机械装置)而发生的帮障产品.(磨损故障往往最接近正态分布)2)对制造的产品及性能是否符合规范进行分析.都数实际应用场合,都采用标准正态分布概率表(见下页正态分布表),标准正态分布密度函数如下mil-hdbk-33利用换算公式可将正态分布转换为标准正态分布.5.3.2.1 Microwave Tube Example现已证明微波发射管服从正态分布,其为5000小时试求出当任务时间为4100小时时,这种管子的可靠度和在使用4400小时时这种管子之一解1:可靠度R(t)的公式:瞬时失效率h(t)的公式:=5000=1500T=4100查表z=-0.4时的p(z)值计算出Z:-0.6查表z=-0.6时的p(z)值0.2743R(4100)=0.7257瞬时失效率H(4400)=f(t)/R(t)5.3.2.2 Mechanical Equipment Example人们发现电动发电机服从正态分布,其中均值为300小时,标准方差为40小时,试求当任务为250小时时,电动发电机的可靠度及在200小时时的瞬时故障率.=300=40T=250计算出Z:-1.25查表z=-2.5时的p(z)值查表z=-1.25时的p(z)值0.1056R(250)=0.8944瞬时失效率H(200)=另一个工作中的实例:某产品输出12V电压测试的一组数据:12.45412.45412.52212.21912.45412.26912.522 12.45312.26912.52812.21912.45312.26912.528 12.45312.27112.51912.21912.45312.27112.519 12.45412.2212.52212.26912.45412.2212.522平均数:12.378标准方差:0.1287X值Y值详细公式均值:2311.9920.03440.03443612.37812.50712.63512.76412.0560.13620.13619712.37812.50712.63512.76412.120.41950.419516212.37812.50712.63512.76412.185 1.00641.006367112.37812.50712.63512.76412.249 1.88011.880141412.37812.50712.63512.76412.313 2.73562.735589512.37812.50712.63512.76412.378 3.0998 3.09982912.37812.50712.63512.76412.442 2.73562.735589512.37812.50712.63512.76412.507 1.88011.880141412.37812.50712.63512.76412.571 1.00641.006367112.37812.50712.63512.76412.6350.41950.419516212.37812.50712.63512.76412.70.13620.13619712.37812.50712.63512.76412.7640.03440.03443612.37812.50712.63512.7648B PAGE 90 5.3.1最接近正态分布)μ= mean of normal times-to-failure, (also noted asσ= standard deviation of the times-to-failure.标准正态分布密度函数如下:bk-338b page 93为1500小时.4400小时时这种管子之一的瞬时失效率:解2:=(0.00067)(0.37) = 0.00025h(t)的公式:=5000=1500查表z=-0.4时的f(z)值0.3683正态分布是对称的,正负Z的值是相等的T=4400计算出Z:-0.4f(4400)=0.000246的p(z)值0.3446R(4400)=0.6554400)=f(t)/R(t)0.0004方差为40小时,试求当任务(或维修前的时间)=300=40查表z=-2.5时的f(z)值0.0175T=200计算出Z:-2.5f(200)=0.000438的p(z)值0.0062R(200)=0.9938200)=f(t)/R(t)0.000412.21912.21912.21912.269--2-3要求下限要求上限12.249112.1211.991717911.912.112.249112.1211.991717911.912.112.249112.1211.991717911.912.112.249112.1211.991717911.912.112.249112.1211.991717911.912.112.249112.1211.991717911.912.112.249112.1211.991717911.912.112.249112.1211.991717911.912.112.249112.1211.991717911.912.112.249112.1211.991717911.912.112.249112.1211.991717911.912.112.249112.1211.991717911.912.112.249112.1211.991717911.912.1的,正负Z的值是相等的。
概率论课件之分布函数

(1) F( x ) 为单调不降函数, 即若 x1 ≤ x2 , 则有F( x1 ) ≤ F( x2 ) .
(2) 0≤F( x ) ≤1,且
lim F (x ) 1 , lim F (x ) 0
x
x
(3) F( x ) 是右连续函数,即
xl im x0F(x)F(x0) 分布函数的性质可用来确定某一函数是否为随 机变量的分布函数,或求解分布函数.
X
O
x
x
(2) 利用分布函数可以更方便求研究随 机变量在某一区间内取值的概率.
如P{X(a,b]} P { X ( ,b ] } P { X ( ,a ] }
P {X b } P {X a }
F(b)F(a)
当3 ≤ x 时,
X -1 O 1 2 3 x x
F(x) = P{X≤x } = P{ Ω } = 1 .
故随机变量X 的分布函数
(
x)
6 1 2
,
1
x < 1; 1 x < 1;
1 x < 2; x2
从而随机变量X的分布率为
X 1 1 2
111
P
632
例 计算并画出参数 p 的两点分布的分布函数。 解:两点分布的分布律是:
P ( X = 0 ) = q, P ( X = 1 ) = p ; q = 1 – p 由于 X 只可能取 0、1 两个值,因此
F(x) =
0, x<0, q ,0 ≤ x < 1 , 1, x≥1 。
2.3 分布函数
1. 分布函数的定义 2. 分布函数的性质 3. 例题讲解
1.分布函数的定义
定义:设X是一个随机变量, x 是任意实 数,称函数
分布函数、均匀分布、指数分布函数

则称 X 服从 [a, b]上的均匀分布,
记作: X ~ U [a, b]
0,
分布函数为: F (x)
x
f
(t)dt
x a
b
a
,
1,
x a, a x b,
x b.
均匀分布的概率背景
因为 P{c X c l}
cl
f (x)dx
2 PX 3.5 X 1.5
P{X 3.5, X 1.5} P{X 1.5}
3e3xdx
3.5
3e3xdx
1.5
= e- 6
由⑴、⑵结果得:指数分布具有无记忆性,即
PX s t X s PX t (t 0)
) 1
例2、设连续型随机变量 X的概率密度为
求 A的值,
解:
f (x)dx
Ae3xdx
0
A( 1)e3x 3
0
A 1 3
A 3.
1
1
1
3 f (x)dx
3 3e3xdx
0
e3x
3 0
的指数分布。若等待时间超过10
分钟,则他离开。假设他一个月内要来银行5次, 以 Y
表示一个月内他没有等到服务而离开窗口的次数,求Y
的分布律及至少有一次没有等到服务的概率
解 Y是离散型,Y ~ b(5, p) ,其中 p = P{X > 10}
现在 X 的概率密度为
1/ 5ex /5 x 0 f (x)
0 x 0,
例4 .电子元件的寿命X(年)服从λ=3的指数分布 (1)求该电子元件寿命超过2年的概率。 (2)已知该电子元件已使用了1.5年,求它还能使用2 年的概率为多少?
常用分布函数及特征函数

威布尔分布
2 x 1e x , x 0 1/ 2 / 2 / 1 1/ 1 f x ,数学期望 1/ 1 ,方差 x0 0,
伽马(Gamma)分布 , ,形状参数 ,尺度参数
j a a 1 a k 1 a b a j it k 特征函数 , k 阶原点距 EX a b a b 1 a b k 1 a j 0 a b j j 1
卡方分布
2
n ,即
n 1 , 2 2
1 n / 2 1 x / 2 e ,x 0 2n / 2 n / 2 x n / 2 f x ,数学期望 n ,方差 2n ,特征函数 1 2it x0 0,
nm 2 nm n n / 2 m m / 2 x n / 21 nx m 2 , x 0 f x n m 2 2 0, x0
2m 2 n m 2 m ,m 4 , m 2 ,方差 数学期望 2 m2 n m 2 m 4
f x1 , , xn 2
帕累托(Pareto)分布
C
k k k 2 k k 1 , x ,k 2 f x x , k 1 ,方差 , 0 ,数学期望 2 k 1 k 1 k 2 0, x
t 分布 n 1 n 1 x 2 2 n 2 1 f x ,n 3 ,数学期望 0, n 1 ,方差 n n n2 n 2
分布函数

分布函数分布函数(Cumulative Distribution Function, CDF)是概率统计中重要的函数,正是通过它,可用的方法来研究随机变量。
1.伯努利分布伯努利分布(Bernoulli distribution)又叫做两点分布或者0-1分布,是一个离散型概率分布,若伯努利实验成功,则伯努利随机变量取值为1,如果失败,则伯努利随机变量取值为0。
并记成功的概率为p,那么失败的概率就是1p-,概率p p-,则数学期望为p,方差为(1)密度函数为2.二项分布二项分布即重复n次独立的。
在每次试验中只有两种可能的结果,而且两种结果发生与否互相对立,并且相互,与其它各次试验结果无关,事件发生与否的概率在每一次中都保持不变,则这一系列试验总称为n重伯努利实验,当试验次数为1时,二项分布服从0-1分布。
假设每次试验的成功概率为p,则二项分布的密度函数为:二项分布函数的数学期望为np,方差为(1)X B n p。
概率密度分布图如下所np p-,记为~(,)示。
3.正态分布正态分布(Normal distribution)又名高斯分布(Gaussian distribution),若X服从一个为μ、为σ2的高斯分布,记为:X~N(μ,σ2),则其为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。
通常所说的标准正态分布是μ = 0,σ = 1的正态分布。
分布曲线特征:图形特征集中性:正态曲线的高峰位于正中央,即均数所在的位置。
对称性:正态曲线以均数为中心,左右对称,曲线两端永远不与横轴相交。
均匀变动性:正态曲线由均数所在处开始,分别向左右两侧逐渐均匀下降。
曲线与横轴间的面积总等于1,相当于概率密度函数的函数从正无穷到负无穷积分的概率为1。
即频率的总和为100%。
关于μ对称,并在μ处取最大值,在正(负)无穷远处取值为0,在μ±σ处有拐点,形状呈现中间高两边低,正态分布的概率密度函数曲线呈钟形,因此人们又经常称之为钟形曲线。
13、14质量管理学第13、14章

可靠性这个课题在第二次世界大战时期受到人们的密切关注。半个多世纪以来,可 敬性理论与实践不断丰富和发展。与可靠性有关的活动包括可靠性技术(可靠性工程)和 可靠性管理。可靠性技术是指在产品设计、制造和使用过程中提高可靠性的各种工程技 术和方法。
本章将定义可靠性及其相关的基本概念,说明度量可靠性的方法,介绍可靠性工程 的常用方法和技术、可靠性管理的基本活动和要求等。
三、可靠性与维修性、可用性
2.可用性 可用性是指设备不因失效而停机的可能性或概率。它是产品或系统在任-时间执行任务时,处于工 作状态和可使用状态的程度。可用性有两个基本定义:运行可用性和内在可用性。
三、可靠性与维修性、可用性
02
可靠性度量
可靠性水平或相应的能力可以通过可靠度、失效率、平均 失效时间、平均失效间隔时间等来度量。可靠性随时间变 化的规律可以通过可靠度函数、产品寿命曲线、累积失效 函数、失效概率密度等来表示。系统的可靠性,可以通过 分析各个元件的构成形式及可靠性来计算和预测。
1,能力或效能 可靠性表现为是否具有特定的功能、能力和发挥相应的效能。可靠性是产品在特定条件下、在规定的
分布函数及连续型随机变量

为什么引入分布函数
▪ 对于非离散型随机变量,其可能取的值不能一一列
出,故无法用分布律来描述。 ▪ 非离散型随机变量通常取任一指定的实数值的概率
为零。 ▪ 对于非离散型随机变量,通常关心其在某一区间取
值的概率,而不关心其在某点的概率。
分布函数的定义
• 设X是一个随机变量,x是任意实数。函
解:以7:00为起点0,以分为单位
依题意, X ~ U ( 0, 30 )
f
(
x)
1 30
,
0 x 30
0, 其它
从上午7时起,每15分钟来一班车,即 7:00, 7:15,7:30等时刻有汽车到达汽车站,
为使候车时间X少于 5 分钟,乘客必须在 7:10 到 7:15 之间,或在7:25 到 7:30 之间到 达车站.
20
f ( x)dx 1.
1
0
x
30 P{x1 X x2 } F( x2 ) F( x1 )
f (x)
x2 x1
f
( x)dx.
( x1
x2 )
0 x1 x2 x
若f(x)在点x处连续,则
F ' (x) f (x)
f (x)
1
0
x
概率密度的意义
对 f(x)的进一步理解:
若x是 f(x)的连续点,则: xx
X
-1 2
3
Pk 1/4 1/2 1/4
求X的分布函数,并求
P X
1
2
P
3 2
X
5
2
P2 X 3
例 1 设随机变量 X 的分布律为: X -1 2 3
求 X 的分布函数.
可靠性当中常用的失效分布

有: R(0) 1; R() 0
假如在t=0时有N件产品开始工作,而到t 时刻有,n(t)个产品失效,仍有N-n(t)个产品 继续工作,则可靠度R(t)的估计值为:
2、累积失效概率和失效概率密度
(1)累积失效概率也称为不可靠度,记 作F(t)。它是产品在规定的条件下和规定的 时间内失效的概率,通常表示为:
第一段曲线是元件的早期 失效期,表明元件开始使 用时,它的失效率高,但 迅速降低。
第二段曲线是元件的偶然 失效期,其特点是失效率 低且稳定,往往可近似看 成是一常数。
第三段曲线是元件的耗损 失效期,失效率随时间延 长而急剧增大。
曲线段 失效时期 失效特征 失效类型
第一段曲 线
第二段曲 线
第三段曲 线
推 导
(t)dt dR(t) 将两边积分得:
R(t)
过 程
t
(t)dt
ln
R(t)即:R(t)
t
e (t )dt 0
0
(2)失效率的单位
失效率λ(t)是一个非常重要的特 征量,它的单位通常用时间的倒数 表示。但对目前具有高可靠性的产 品来说,就需要采用更小的单位来 作为失效率的基本单位,因此失效 率的基本单位用菲特(Fit)来定义,1 菲特=10-9/h=10-6 /1000h,它的意义 是每1000个产品工作106 h,只有一 个失效。
可修产品的平均寿命是指相邻两次故障 间的平均工作时间,称为平均无故障工作时 间或平均故障间隔时间,记作MTBF(Mean Time Between Failures)。
如果仅考虑首次失效前的一段工作时间,
那么可将不可修和可修产品统称为平均寿命,
记作θ。若产品失效密度函数f(t)已知,由概率
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
(接前页)
失效数:n 1000.1574 16 件
(3)由 Q(z) 0.05查表可得安全指数系数z 1.64
材料的强度:
t z 600 501.64 518MPa
五. 对数正态分布
随机变量t的对数 y ln t 服从正态分布,
则t服从对数正态分布。
1. 对数正态分布的概率密度函数
2 y
1
1 2
六. 韦布尔分布
1. 失效概率密度函数
f
(t)
b
t
b1
e
t
b
f
(t)
b
t
b1eຫໍສະໝຸດ tb 三参数韦布尔分布 失效概率密度函数
两参数韦布尔分布 失效概率密度函数
b: 形状参数;θ:尺度参数;γ:位置参数。
2. 失效概率,可靠度,失效率
失效概率:Q(t)
t
f
(t)dt
t b
解答
(1)安全指数系数:z F S 250 210 1.56
2 F
2 S
162 202
(2)查表可得:可靠度为94%。
课堂练习
某零件在对称循环等幅变应力Sa 600 MPa 条件下工作。根据零件的疲劳试验数据, 知其达到破坏的循环次数服从对数正态 分布,其对数均值和对数标准离差分别
f (y)
1
e
1 2
yy y
2
y 2
y ln t
z y y :安全指数系数 y
• 适用于零部件的疲劳寿命,疲劳强度,耐 磨寿命以及描述维修时间的分布等研究。
2. 密度函数变形
f (t)
1
e
1 2
yy y
2
t y 2
y
2 y
2
分布的均值:t e
标准离差:
t
t
e
Q(t) 1
t z2
e 2 dz
2
6. 正态分布的特征
正态分布具有对称性,曲线对称于 x 的纵
轴,并在 x 处达到极大值
1
2
。
正态分布曲线与x轴围成的面积为1。以 为中
心 区间的概率为68.27%, 2 区间的概
率为95.45%, 3 区间的概率为99.73%;
若 0, 1 时,称为标准正态分布,该
为: N 10;.647 N 0.2。92
试求该零件工作到15800次循环时的可靠 度。
分布对称于纵坐标轴。
7. 应用范围
正态分布是一种应用最广的重要函数; 工艺误差,测量误差; 材料特性,应力分布; 零部件的强度,寿命分析等。
例2
有100个某种材料的试件进行抗拉强度试验, 今测得试件材料的强度均值 600MPa ,标 准差 50MPa。求: (1)试件材料的强度均值等于600MPa时的 可靠度,失效概率和失效试件数; (2)强度落在(550—450)MPa区间内的失 效概率和失效试件数; (3)失效概率为0.05时材料的强度值。
可靠性设计中常用分布函数
一. 常用分布函数分类
二项分布 泊松分布 指数分布 正态分布 对数正态分布 韦布尔分布
二. 学习内容
基本内容:掌握指数分布,正态分布, 对数正态分布以及韦布尔分布函数;
重点内容:掌握正态分布函数的特点以 及在实际设计中的应用;
难点内容:正态分布以及韦布尔分布函 数。
解答
(1)安全指数系数:z t 600 600 0
50
查表可得失效概率:Q(z) 0.5 可靠度:R(z) 1 Q(z) 0.5
失效数:n 1000.5 50
(2) 失效概率:P(450 t 550 ) Q 550 600 Q 450 600
50 50
Q(1) Q(3) 0.1587 0.0013 0.1574
1
1 t 2
e 2
2
随机变量的均值: tf (t) d t
1
标准离差:
t
2
f
(t
)
d
t
2
2. 均值与离差的含义
随机变量的均值 决定正态分布的中心倾
向,即正态分布曲线的位置;
标准离差 决定正态分布曲线的形状,表
示分布的离散程度。
3. 失效概率,可靠度,失效率
t
失效概率:Q(t)
1
1 t 2
e 2 dt
2
可靠度:R(t)
1
1
t
2
e 2 dt
t 2
失效率:
(t)
f (t) R(t)
4. 标准正态分布及其特征
0
1
标准正态分布
f (z) Q(z)
1
z2
e2
2
1
z z2
e 2 dz
2
5. 非标准正态→标准正态
令 z t
称联结系数,可靠性 系数或安全指数系数
三. 指数分布
1. 可靠度
t
R(t)
(t )dt
e 0
当失效率为常数时,即:(t)
t
R(t)
e
d
0
t
et
2. 失效概率密度函数
f (t) (t)R(t) et
分布均值: 1
方差:
2
1
2
3. 指数分布曲线
处于稳定工 作状态的电 子机械或电 子系统的失 效概率基本 上属于该分 布曲线。
z F S z F S
2 F
2 S
2 F
2 S
F :强度的分布均值;
S :应力的分布均值;
S :应力的标准离差; F :强度的标准离差。
例3
已知某零件的强度 F 250 MPa ,标准离 差 F 16 MPa ;零件所受应力S 210 MPa 标准离差 S 20 MPa 。求可靠度。
1e
0
t b
可靠度: R(t) 1 Q(t) e
失效率:
(t)
f (t)
b t
b1
R(t)
3. 韦布尔分布的曲线图
4. 韦布尔分布的特征
b越小,分布的离散程度越大;b越大,离散程 度越小。b也称为韦布尔斜率,是产品一致性 的一种度量。
b=1时,呈指数分布;
2.7 b 3.7时,呈近似正态分布;
b=3.313时,呈正态分布。
越大,分布的离散程度越大。
韦布尔分布适合于研究许多随机现象,如寿命, 强度,磨损等。
5. 韦布尔分布应用例
失效模式的解析
b<1: 早期失效阶段 b=1: 偶然失效阶段 b>1: 耗损失效阶段
七. 机械零件可靠度方程
前提:强度,应力等设计参数均为正态分布。
安全指数系数z
例1
已知某设备的失效率 510 4 h ,求 使用100h,1000h后该设备的可靠度。
解答:
可靠度:R(t) et
100h后的可靠度:
R(100) e5104100 0.95
1000h后的可靠度:
R(1000) e51041000 0.61
四. 正态分布
1. 概率密度函数
f (t)