EBSD 实操：测量规划与统计
到底需要测多少晶粒：从抽样目标推到置信区间
把地图像素、独立晶粒和独立位置分开，推导组分比例的误差、权重和分层抽样，让测区真正回答研究问题。
先记住这三点
- 像素多只说明地图采得密，并不保证总体织构有代表性。
- 面积分数与按晶粒数计算的分数是不同的统计对象。
- 置信区间的推导要从独立抽样假设开始；有空间相关就需按块或按视场处理。
先把要估计的量写成一句话
假设想知道某轧板中 Cube 组分的比例。首先定义完整取向邻域、角容差、相和取样层位；接着明确要的是“随机抽一块材料，落在 Cube 区域的概率”，还是“随机抽一个晶粒，它属于 Cube 的概率”。前者按面积或体积加权，后者按晶粒数加权。这两句看似相近，测量设计却不同。
若研究裂纹尖端局部组织，刻意选择尖端是合理的；结果就应限定在该条件区域。若研究整块板材，只挑最清晰或最有趣的一张图，就不能仅凭像素数大而推广。Randle 第 5 章因此将总体织构、一般局部组织与围绕特定特征的调查分开讨论。
一步步得到组分比例的统计误差
暂设独立随机抽取 N 个晶粒，每个晶粒只贡献一次。属于目标组分记 Xi=1，否则 Xi=0；真实比例为 p，则 E(Xi)=p，且 Xi²=Xi，所以 Var(Xi)=p−p²=p(1−p)。样本比例 p̂=(X1+…+XN)/N。独立意味着交叉协方差为零，故 Var(p̂)=p(1−p)/N。
用 p̂ 代替未知 p，标准误近似 SE=√[p̂(1−p̂)/N]。当样本足够且成功、失败数都不太小时，约 95% 区间是 p̂±1.96SE。这只描述指定抽样模型下的随机不确定性；坐标装错、选择偏差和漏索引并不包含在式子里。
手算：四万个像素和四百个晶粒
课堂设有 400 个独立晶粒，其中 80 个满足目标组分定义，则 p̂=0.20，SE=√(0.2×0.8/400)=0.02，近似区间为 0.161–0.239。每个晶粒平均测了 100 个像素，不能把 N 改成 40000；同一晶粒的像素大多重复同一种取向事件。
若错误使用 40000，得到 SE=0.002，区间会虚假缩小十倍。正确做法是保留细像素用于晶粒形状和粒内梯度，用晶粒或独立空间块评估总体统计的不确定性。这里的数字是用于演算的假设，不是某篇论文的数据。
怎样反推需要多少独立观测
要求区间半宽约不超过 e，则由 1.96√[p(1−p)/N]≤e 得 N≥1.96²p(1−p)/e²。事前不知道 p 时，p(1−p)在 p=0.5 取最大值 0.25；例如 e=0.05 给 N≥384.16，取至少 385。
这不是“EBSD 只要测 385 个晶粒”的通用规定。它只适用于一个预先定义的二分类比例以及理想独立抽样。完整 ODF 同时包含许多取向区域，弱小组分、尖锐峰、空间相关和分层差异都可能要求更多测量。书中列出的约 2000 或 2400 个取向，也属于特定比较条件。
为什么小比例宜用 Wilson 区间
当 N 较小或 p̂ 接近 0、1，普通正态区间可能超出 0–1。改从假设真实 p 的检验式 |p̂−p|≤z√[p(1−p)/N] 出发，平方并整理为关于 p 的二次不等式：(N+z²)p²−(2Np̂+z²)p+Np̂²≤0。两根之间就是 Wilson 区间。
其中心为 [p̂+z²/(2N)]/[1+z²/N]，半宽为 z√[p̂(1−p̂)/N+z²/(4N²)]/[1+z²/N]。例如 N=20、目标晶粒数为 0、z=1.96，上界约 0.161；观察到零并不意味着真实比例严格为零。此时再把界限解释成体积分数，仍需先解决权重和截面代表性。
面积权重怎样改变答案
若三类晶粒中有 10 个目标晶粒，每个截面积 100 μm²，另有 90 个非目标晶粒，每个截面积 10 μm²，按数量计算为 10/100=10%，按面积计算则为 1000/(1000+900)=52.6%。两者都可能正确，因为问题不同。等步长均匀地图的像素计数天然近似面积加权；每晶粒取一个均值取向则天然近似数量加权。
对固定权重 wi、彼此独立且方差相同的 Xi，p̂w=ΣwiXi/Σwi，Var(p̂w)=p(1−p)Σwi²/(Σwi)²。因此可定义权重有效样本数 Neff=(Σwi)²/Σwi²。它仅反映权重不均的损失；若晶粒大小本身与取向相关，或抽样不是独立同分布，不能只把 Neff 填回二项式公式便声称解决所有问题。
空间相关为什么会进一步减少信息
一般情形下 Var(p̂)=N⁻²[ΣVar(Xi)+2Σi<jCov(Xi,Xj)]。邻近位置倾向同属某微织构区时，协方差为正，误差高于独立样本公式。对平稳等间距一维序列，可写 Neff≈N/[1+2Σk(1−k/N)ρk]，ρk 为相隔 k 个位置的相关系数；这不是任意二维地图都可直接套用的公式。
对实际二维组织，更容易解释的做法是按大于主要相关长度的空间块或多个独立视场汇总，再比较这些块或视场的分数。块的大小需要与晶粒、带状组织或 MTR 尺度对应。对像素逐个重采样会打散真实相关，容易得到过窄的不确定性范围。
厚度分层如何合并
若板厚分成表层、次表层和中心层，先令各层所代表的体积比例为 Wh，ΣWh=1，再计算总比例 p̂=ΣWhp̂h。各层独立时 Var(p̂)=ΣWh²Var(p̂h)。等量测每一层并不意味着各层应等权，权重取决于它们代表多少材料。
在同样单次成本、各层方差 σh² 已知的理想条件下，固定总样本数时最小化 ΣWh²σh²/nh，拉格朗日求导得 nh∝Whσh。这解释了为什么变化剧烈的薄表层有时需要更密的抽样，但合并结果时仍必须恢复其真实体积权重。
把步长、视场和时间一起规划
面积为 A、方格步长为 h 时，点数约 Npixel=A/h²。步长减半会使点数和理想采集时间约增至四倍，却不会自动扩大统计覆盖面积。若目标是窄孪晶、细亚晶或曲率，h 要服务于最小目标尺度；若目标是总体织构，则应留出足够多独立位置和晶粒。
Randle 图 5.1 的硅钢厚度案例同时使用局部细扫描与大范围粗扫描：两者回答的尺度不同。Pospiech、Jura 与 Gottstein 的统计研究则讨论单晶粒取向集合对织构表征的充分性。读案例应学习估计量如何随独立样本增长趋于稳定，而不是抄一个固定点数当合格线。
初学者可以照着完成的方案
先写目标量与总体范围，再画截面和层位；列出预期最小组织尺度、晶粒尺度和空间相关尺度；分别确定局部精细图与总体抽样的用途。报告时同时列出地图数、面积、步长、有效像素、独立晶粒或空间块数，以及数量/面积权重。
最后做一个纸面自问：如果只把同一地图采得更密，哪一项信息真正增加？如果把测区换到另一个位置，结论可能改变多少？能清楚回答这两个问题，才算把采集规划与统计目标连接起来。
来源与延伸阅读
以下链接用于核对概念、标准状态或原始文献。本页为中文教学整理，不复制受版权保护的标准正文。