指数分布的定义形式及应用
2015-06-08 11:24
330 查看
转载请注明出处:/article/7681942.html
指数分布是连续型随机变量,指数分布具有无记忆性,指数分布是特殊的gamma分布。
指数分布(Exponential distribution)是一种连续概率分布。指数分布可以用来表示独立随机事件发生的时间间隔,比如旅客进机场的时间间隔、中文维基百科新条目出现的时间间隔等等。
指数分布的定义形式:
![](http://img.blog.csdn.net/20150608134127830?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbmluZ3lhbGl1aGViZWk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
λ就表示平均每单位时间发生该事件的次数,是指数函数的分布参数;f(x:λ) = λe^(-λx),表示在该时刻发生时间的概率。比如放射性衰变就遵循这一分布,这里的半衰期就对应1/λ.
![](http://img.blog.csdn.net/20150608111609152?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbmluZ3lhbGl1aGViZWk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
![](http://img.blog.csdn.net/20150608133729524?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbmluZ3lhbGl1aGViZWk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
指数分布的期望为1/Lamta,方差为1/Lamta^2。
指数分布中最关键的一点,如何理解率参数。给定独立同分布样本x
= (x1, ...,xn),最大化似然概率得到参数的似然值为:
lamta^ = 1/x;
指数分布表示随机变量的概率只与时间间隔有关,而与时间起点无关。数学语言表达为:
p(T>s+t | T >t ) = p(T>s) for all s,t >= 0
指数分布常用来描述“寿命”类随机变量的分布,例如家电使用寿命,动植物寿命,电话问题里的通话时间等等。“寿命”类分布的方差非常大,以致于已经使用的时间是可以忽略不计的。
例如有一种电池标称可以充放电500次(平均寿命),但实际上,很多充放电次数数倍于500次的电池仍然在正常使用,也用很多电池没有使用几次就坏了——这是正常的,不是厂方欺骗你,是因为方差太大的缘故。随机取一节电池,求它还能继续使用300次的概率,我们认为与这节电池是否使用过与曾经使用过多少次是没有关系的。
有人戏称服从指数分布的随机变量是“永远年轻的”,一个60岁的老人与一个刚出生的婴儿,他们能够再活十年的概率是相等的,你相信吗?——如果人的寿命确实是服从指数分布的话,回答是肯定的。
贴一道题加深理解
![](http://img.blog.csdn.net/20150608112158337?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbmluZ3lhbGl1aGViZWk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
再贴一个关于指数分布与gamma分布的例子:(百度上找的)
链接:http://zhidao.baidu.com/link?url=TTAlOOWbxAQhbYdeQLTFvwe8pMb7MHF80F7fHY8QvsRLuBpw3AcSVD6ITuixIedcC6GS9f-cH0m0U7JsrJRTKSGVW6WtokSlLfmNIJAV0EG
![](http://img.blog.csdn.net/20150608140218942?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbmluZ3lhbGl1aGViZWk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
![](http://img.blog.csdn.net/20150608140410389?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbmluZ3lhbGl1aGViZWk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
指数分布是连续型随机变量,指数分布具有无记忆性,指数分布是特殊的gamma分布。
指数分布(Exponential distribution)是一种连续概率分布。指数分布可以用来表示独立随机事件发生的时间间隔,比如旅客进机场的时间间隔、中文维基百科新条目出现的时间间隔等等。
指数分布的定义形式:
λ就表示平均每单位时间发生该事件的次数,是指数函数的分布参数;f(x:λ) = λe^(-λx),表示在该时刻发生时间的概率。比如放射性衰变就遵循这一分布,这里的半衰期就对应1/λ.
指数分布的期望为1/Lamta,方差为1/Lamta^2。
指数分布中最关键的一点,如何理解率参数。给定独立同分布样本x
= (x1, ...,xn),最大化似然概率得到参数的似然值为:
lamta^ = 1/x;
指数分布表示随机变量的概率只与时间间隔有关,而与时间起点无关。数学语言表达为:
p(T>s+t | T >t ) = p(T>s) for all s,t >= 0
指数分布常用来描述“寿命”类随机变量的分布,例如家电使用寿命,动植物寿命,电话问题里的通话时间等等。“寿命”类分布的方差非常大,以致于已经使用的时间是可以忽略不计的。
例如有一种电池标称可以充放电500次(平均寿命),但实际上,很多充放电次数数倍于500次的电池仍然在正常使用,也用很多电池没有使用几次就坏了——这是正常的,不是厂方欺骗你,是因为方差太大的缘故。随机取一节电池,求它还能继续使用300次的概率,我们认为与这节电池是否使用过与曾经使用过多少次是没有关系的。
有人戏称服从指数分布的随机变量是“永远年轻的”,一个60岁的老人与一个刚出生的婴儿,他们能够再活十年的概率是相等的,你相信吗?——如果人的寿命确实是服从指数分布的话,回答是肯定的。
贴一道题加深理解
再贴一个关于指数分布与gamma分布的例子:(百度上找的)
链接:http://zhidao.baidu.com/link?url=TTAlOOWbxAQhbYdeQLTFvwe8pMb7MHF80F7fHY8QvsRLuBpw3AcSVD6ITuixIedcC6GS9f-cH0m0U7JsrJRTKSGVW6WtokSlLfmNIJAV0EG
相关文章推荐
- Week--schedule
- 一个ahk小函数, 实现版本号的比较
- 【菜鸟看框架】——Linq实现动态模糊查询
- Bitmap导致的OOM 一些解决方案
- XenServer重置存储管理SR至Ext3
- @RenderBody、@RenderSection、@RenderPage、Html.RenderPartial、Html.RenderAction的作用和区别
- Suse11sp3安装Oracle 11gR2
- photoshop基础 读书笔记
- 将数据表的纵向数据横向显示
- 十个JavaScript中易犯的小错误,你中了几枪?
- 1、我的第一个Django页面
- 豆瓣首页模仿
- 数据结构和算法学习二,之循环和递归
- iOS的主要框架介绍
- 愚公移山WP版强势来袭
- SQL 查询横表变竖表
- C#基础-----复杂数据类型
- WPF ResourceDictionary的使用
- 移动端 触屏轮播图(完善版)
- 简介JavaScript中strike()方法的使用