质量与可靠性 / 系统课时

小样本失效率如何给出置信区间

小样本失效率如何给出置信区间

仅发生几次失效时,单报点估计会让风险显得过于确定。本课在恒定失效率、独立失效和泊松计数假设下,把失效次数与累计有效运行时间换成双侧 95% 置信区间,并说明零失效、观察量和右删失的解释边界。

学习目标

  • 正确统计失效次数与累计设备小时,判断计数模型是否适用。
  • 利用卡方分位数计算失效率的双侧置信区间。
  • 解释零失效、观察量和置信水平对区间宽度的影响。

先确定失效数和暴露时间

设 20 个试验工位各累计运行 1000 小时,失效时立即换上同规格、同寿命分布的新件,维修停机不计入有效运行时间。共记录 3 次失效,因此总暴露量 T=20×1000=20000T=20\times1000=20000 设备小时,失效数 r=3r=3。

假定每个新件的寿命独立且服从失效率为 λ\lambda 的指数分布,立即更换后重新计时。此时各工位的失效事件可按齐次泊松过程计数;固定暴露量下,r∼Poisson(λT)r\sim\mathrm{Poisson}(\lambda T)。累计运行时间是分母,不是试验品数量,也不包括停机时间。

用卡方分位数求双侧区间

失效率的极大似然点估计为 λ^=r/T\hat{\lambda}=r/T。对于置信水平 1−α=95%1-\alpha=95\%,设 χk,p2\chi^2_{k,p} 表示自由度为 kk 的卡方分布在累计概率 pp 处的分位数,则泊松计数的 Garwood 区间为:

λL=χ2r,α/222T,λU=χ2(r+1),1−α/222T\lambda_L=\frac{\chi^2_{2r,\alpha/2}}{2T},\qquad \lambda_U=\frac{\chi^2_{2(r+1),1-\alpha/2}}{2T}

当 r=0r=0 时直接取下限 λL=0\lambda_L=0,上限为 −ln⁡(α/2)/T-\ln(\alpha/2)/T。这里的“精确”针对固定暴露量下的泊松计数模型,表示长期重复抽样的覆盖率不低于标称水平,并非本次区间有 95% 的概率包含固定参数。

运行代码并核对结果

在 Python 3 环境中先执行 python -m pip install scipy 安装依赖,再运行以下完整示例。计算单位统一为“每万设备小时的失效次数”。

python
from scipy.stats import chi2

r = 3
hours = 20_000
alpha = 0.05

# 用卡方分位数求双侧泊松置信限,兼容零失效
rate = r / hours
low = 0.0 if r == 0 else chi2.ppf(alpha / 2, 2 * r) / (2 * hours)
high = chi2.ppf(1 - alpha / 2, 2 * (r + 1)) / (2 * hours)

# 同一单位下比较点估计与区间端点
factor = 10_000
print(f"点估计:{rate * factor:.3f} 次/万设备小时")
print(f"95%区间:[{low * factor:.3f}, {high * factor:.3f}] 次/万设备小时")

预期输出:

text
点估计:1.500 次/万设备小时
95%区间:[0.309, 4.384] 次/万设备小时

点估计虽为每万设备小时 1.5 次,但 95% 区间从 0.309 到 4.384,跨度较大;在只有 3 次失效时,不能把 1.5 当成已知的真实失效率。

对比零失效、观察量与置信水平

下表均按双侧 95% 区间计算,数值单位都是“次/万设备小时”。

失效数 rr 暴露量 TT(小时) 点估计 95% 置信区间
0 20000 0.000 0.000~1.844
3 20000 1.500 0.309~4.384
30 200000 1.500 1.012~2.141

零失效只意味着点估计为零,不代表风险上限为零。第三行与第二行的点估计相同,但失效数和暴露量都扩大 10 倍,区间明显收窄。若对第二行改用双侧 90% 区间,结果为 0.409~3.877;提高到 95% 时区间反而更宽,不能只报告较好看的端点。

右删失样本什么时候要换方法

如果 10 个不可修复元件只统计首次失效,其中 3 个分别在 200、500、800 小时失效,其余 7 个在 1000 小时仍未失效而右删失,则指数寿命模型的总在险时间为 T=200+500+800+7×1000=8500T=200+500+800+7\times1000=8500 小时,点估计为 3/8500=3.5293/8500=3.529 次/万小时。不能用 3/103/10 代替失效率,也不能忽略 7 个删失件贡献的 7000 小时。

这一固定截止时间的首次失效试验中,TT 随失效时间改变,失效数也不是固定暴露量下的泊松计数。因此,虽然 r/Tr/T 仍是指数模型的极大似然估计,前面的 Garwood 公式却不能未经校验就称作该删失方案的精确区间;应采用与删失机制匹配的指数寿命区间或似然区间。若失效率随老化变化,先核查恒定失效率假设,再报告参数区间。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

小样本失效率如何给出置信区间

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通