4. 描述性统计分析：失效时间直方图、核密度估计、经验分布函数（EDF）、箱线图分析

拿到一批失效时间数据，第一件事是什么？

我个人习惯，不是急着套模型，而是先“看数据”。

就像医生看病，先望闻问切，再开药方。描述性统计分析，就是可靠性数据分析的“望闻问切”。

今天咱们聊聊四个最常用的工具：直方图、核密度估计、经验分布函数和箱线图。它们能帮你快速摸清数据的脾气。

4.1 失效时间直方图：最直观的“数据画像”

直方图，说白了就是把数据分成若干段，数一数每段里有多少个失效。

我在项目中遇到过一件事：某批轴承的寿命数据，直接看数字觉得挺正常。但画成直方图后，发现有两个“小山峰”。

嗯，这就是典型的双峰分布——说明这批产品可能混入了两种不同的失效模式。

举个例子，假设我们有50个电子元件的失效时间（单位：小时）：

# Python代码示例
import numpy as np
import matplotlib.pyplot as plt

# 模拟数据
np.random.seed(42)
failure_times = np.random.weibull(2, size=50) * 1000

# 绘制直方图
plt.hist(failure_times, bins=8, edgecolor='black', alpha=0.7)
plt.xlabel('失效时间 (小时)')
plt.ylabel('频数')
plt.title('失效时间直方图')
plt.show()

你想想看，如果直方图显示大部分失效集中在早期，那说明产品存在“早期失效”问题。如果分布比较均匀，那可能是“随机失效”为主。

4.2 核密度估计：平滑版的直方图

直方图有个毛病——它受组距影响太大。换个组距，图形可能就变了样。

核密度估计（KDE）就是来解决这个问题的。它用平滑的曲线来估计概率密度，不依赖人为分组。

KDE的核心思想：在每个数据点位置放一个“核函数”（通常用高斯核），然后叠加起来。带宽（bandwidth）是关键参数——带宽太小，曲线毛刺多；带宽太大，会过度平滑。

# KDE示例
from scipy import stats

# 计算KDE
kde = stats.gaussian_kde(failure_times)
x_range = np.linspace(0, max(failure_times)*1.2, 200)
density = kde(x_range)

# 绘制
plt.plot(x_range, density, 'r-', linewidth=2, label='KDE')
plt.hist(failure_times, bins=8, density=True, alpha=0.5, label='直方图')
plt.legend()
plt.show()

你看，KDE曲线和直方图的大趋势一致，但更平滑、更稳定。我个人习惯把两者叠加在一起看，互相验证。

4.3 经验分布函数（EDF）：无参数的累积分布

经验分布函数，说白了就是“数据本身的累积分布”。

它不需要假设任何理论分布，直接根据数据计算：F(t) = (小于等于t的失效数) / (总样本数)

我记得有一次做可靠性验证，客户要求证明产品在1000小时内的可靠度不低于0.9。我直接用EDF一看，1000小时处的累积失效概率是0.12，可靠度0.88——没达标。简单直接，客户也信服。

# EDF示例
from statsmodels.distributions.empirical_distribution import ECDF

ecdf = ECDF(failure_times)
plt.step(ecdf.x, ecdf.y, where='post', label='EDF')
plt.xlabel('失效时间 (小时)')
plt.ylabel('累积概率')
plt.title('经验分布函数')
plt.grid(True, alpha=0.3)
plt.show()

这里要注意：EDF是阶梯函数，不是平滑曲线。如果你需要平滑的累积分布，可以考虑用核密度估计的积分形式。

4.4 箱线图分析：一眼看出异常值

箱线图，我称它为“数据体检报告”。

它能同时展示：中位数、四分位数、异常值。一张图，数据分布的全貌就出来了。

箱线图的构成：

• 箱体：从Q1（25%分位）到Q3（75%分位），箱体高度就是IQR（四分位距）
• 中位线：箱体中间的线，代表50%分位
• 须线：从箱体延伸出去，通常到1.5倍IQR处
• 异常点：超出须线的点，用圆圈标记

# 箱线图示例
plt.boxplot(failure_times, vert=True, patch_artist=True)
plt.ylabel('失效时间 (小时)')
plt.title('失效时间箱线图')
plt.grid(True, axis='y', alpha=0.3)
plt.show()

你想想看，如果箱体很窄，说明数据集中；如果须线很长，说明数据分散；如果异常点很多，那就要警惕数据质量了。

4.5 四种方法的对比与选择

说了这么多，到底什么时候用哪个？

方法	适用场景	优点	缺点
直方图	初步探索，大样本	直观、易理解	受组距影响大
核密度估计	小样本，需要平滑曲线	平滑、稳定	带宽选择有主观性
经验分布函数	无分布假设，精确计算	无偏、一致	阶梯状，不够平滑
箱线图	异常值检测，多组对比	信息量大、抗异常值	丢失细节信息

我个人习惯的流程是：先用箱线图检查异常值，再用直方图看整体形状，然后用KDE确认细节，最后用EDF做精确的累积概率计算。四步走，数据基本就摸透了。

4.6 知识体系总览

下面这张图，帮你理清这四种方法的关系和定位：

嗯，以上就是描述性统计分析的四个核心工具。记住，数据不会说谎，但前提是你得用对方法去看它。下次拿到失效数据，别急着套Weibull模型，先画几张图看看——你会发现很多有意思的信息。

---

公众号:蓝海资料掘金营，微信deep3321