chapter可靠性数学基础.ppt

两参数威布尔分布的概率密度函数和累积分布函数分别： 时，三参数威布尔分布转变为两参数威布尔分布。 3. 威布尔分布 Weibull Distribution 威布尔分布变量的数学期望和方差分别为： 式中： 为伽马函数 取值对概率密度曲线形状的影响 概率密度函数曲线 取值对概率密度曲线形状的影响 概率密度函数曲线 取值对概率密度曲线形状的影响 概率密度函数曲线 描述疲劳寿命的威布尔分布模型 疲劳寿命的分布函数 位置参数，即最小寿命参数； 特征寿命参数； 形状参数。 疲劳寿命的概率密度函数 本章内容 数理统计基本概念 常用的概率分布 随机变量函数均值与方差的近似计算 随机变量函数均值与方差的近似计算 工程中有许多随机事件，大多需要用两个、三个或多个随机变量的函数来描述，当已知其中每一个随机变量的均值及标准差，可以通过一些方法来估计和计算随机变量函数的均值和标准差。 三种方法： 基本函数法 泰勒级数法 变异系数法 基本函数法 泰勒级数法 一维随机变量函数的近似解 多维随机变量函数的近似解 例 题 已知某一销轴半径r的均值和标准差分别为 求此销轴截面积A的均值和标准差。 解： 例 题 一拉杆受外力作用，若外力的均值和标准差分别为 杆横截面积的均值和标准差分别为 求拉应力的均值和标准差。 解： 变异系数法 变异系数 函数形式为单项式时，假设 例: 工作齿轮齿根弯曲疲劳极限的均值和变异系数 工作齿轮齿根弯曲疲劳极限的标准差为 工作齿轮齿根弯曲疲劳极限应力 第2章 可靠性数学基础 电子科技大学 本章内容 数理统计基本概念 常用的概率分布 随机变量函数均值与方差的近似计算 数理统计的基本概念 总体（母体）是研究对象的全体。 总体可以是尺寸、寿命、时间和强度等。 总体可以分为有限总体和无限总体。 个体是组成总体的每个基本单元 抽样和样本 总体与个体 抽样是随机的抽取和组成样本的过程。 样本是取自总体的部分个体的集合。 样本所包含的个体数目，称为样本容量。 集中趋势的是指分布密度的图形集中趋向于哪里，即分布的中心位置在哪里。 随机变量集中趋势的尺度 均值 分布的平均值 中位数 分布密度图的中间值 众数 频率(或频数)为最大的随机变量的位置 随机变量分散性的尺度 分散性是指分布的离散程度 方差 标准差 变异系数 变异系数的值越小，变量的分散性越小 极差 样本经验分布函数 定义： 设总体的一组样本观测值，将其按从小到大排列 经验分布函数是总体分布函数的近似。 下标i表示失效数据的序号。 对一批观测数据，若样本量较大， 样本量较大时，也可以根据可靠度定义，直接计算其经验分布 经验分布函数的计算 t时刻失效样本数 参加试验的产品数 经验分布函数的计算 样本量较小时 Hansen公式 数学期望公式 中位秩公式 median rank 本章内容 数理统计基本概念 常用的概率分布 随机变量函数均值与方差的近似计算 概率分布的作用 制定合理的维修和保修制度 计算产品的可靠性参数 计算产品的寿命特征 预测产品的故障规律 离散型随机变量的常用分布 （0-1）分布 Beroulli分布（二项分布） 部分冗余 Poisson分布 几何分布与负二项分布 超几何分布 分布类型 可靠性工程中的应用 （0-1）分布 描述具有两种结果的随机试验 二项分布 部分冗余时，计算系统成功的概率 Poisson分布 描述产品在某个时间区间内受到外界“冲击”的次数。 几何分布和二项分布 描述试验中失败次数的分布 超几何分布 适用于较小规模的抽样问题 离散型随机变量的分布类型及其应用 连续型随机变量的常用分布 正态分布 截尾正态分布 对数正态分布 G分布 指数分布 威布尔分布 极值分布 1. 指数分布 Exponential Distribution 指数分布在可靠性计算中的应用 故障率 可靠寿命 中位寿命 描述电子设备寿命分布规律； 描述大型复杂系统故障时间间隔的分布规律。 例 题 求该设备使用100小时和1000小时后的可靠度。 已知某设备的失效率 工作100h后的可靠度为 工作1000h后的可靠度为 2. 正态分布 Normal Distribution (Gaussian distribution ) 概率密度函数 累积分布函数 描述由于磨损、腐蚀引起失效的产品寿命； 对制造的产品及其性能进行分析和质量控制。 t t 正态分布的概率密度曲线 标准正态分布 的正态分布称为标准正态分布。 标准正态分布的概率密度函数 标准正态分布的累积分布函数 查正态分布表。 例 题 已知 非标准正态分布如何变为标准正态分布？ 例 题 有100个某种材料的试件进行抗拉强度试验，