主题
Search

指数分布


ExponentialDistribution

给定一个 泊松分布,其变化率为 lambda,连续变化之间等待时间的分布(k=0 时)为:

D(x)=P(X<=x)
(1)
=1-P(X>x)
(2)
=1-e^(-lambdax),
(3)

概率分布函数为:

 P(x)=D^'(x)=lambdae^(-lambdax).
(4)

它在 Wolfram 语言 中实现为:ExponentialDistribution[lambda].

指数分布是唯一的 连续 无记忆 随机分布。它是 几何分布 的连续模拟。

由于下式成立,因此该分布已正确归一化:

 int_0^inftyP(x)dx=lambdaint_0^inftye^(-lambdax)=1.
(5)

原始矩 由下式给出:

 mu_n^'=lambda^(-n)n!,
(6)

因此,前几个原始矩为 1、1/lambda2/lambda^26/lambda^324/lambda^4、...。类似地,中心矩 为:

mu_n=(Gamma(n+1,-1))/(elambda^n)
(7)
=(!n)/(lambda^n),
(8)

其中 Gamma(a,b) 是一个 不完全伽玛函数!n 是一个 次阶乘,前几个中心矩为 1、0、1/lambda^22/lambda^39/lambda^444/lambda^5、...(OEIS A000166)。

因此,均值方差偏度峰度超额 为:

mu=1/lambda
(9)
sigma^2=1/(lambda^2)
(10)
gamma_1=2
(11)
gamma_2=6.
(12)

特征函数 为:

phi(t)=F_x{lambdae^(-lambdax)H(x)}(t)
(13)
=(ilambda)/(t+ilambda),
(14)

其中 H(x)Heaviside 阶跃函数F_x[f](t) 是参数为 a=b=1傅里叶变换

如果广义指数概率函数定义为:

 P_((alpha,beta))(x)=1/betae^(-(x-alpha)/beta),
(15)

对于 x>=alpha,则 特征函数 为:

 phi(t)=(e^(ialphat))/(1-ibetat).
(16)

中心矩 为:

 mu_n^'=e^(alpha/beta)beta^nGamma(n+1,alpha/beta)
(17)

原始矩 为:

mu_n=(beta^nGamma(n+1,-1))/e
(18)
=!nbeta^n,
(19)

均值方差偏度峰度超额 为:

mu=alpha+beta
(20)
sigma^2=beta^2
(21)
gamma_1=2
(22)
gamma_2=6.
(23)

另请参阅

极值分布几何分布泊松分布

使用 Wolfram|Alpha 探索

参考文献

Balakrishnan, N. 和 Basu, A. P. The Exponential Distribution: Theory, Methods, and Applications. New York: Gordon and Breach, 1996.Beyer, W. H. CRC Standard Mathematical Tables, 28th ed. Boca Raton, FL: CRC Press, pp. 534-535, 1987.Sloane, N. J. A. 序列 A000166/M1937,出自“整数序列在线百科全书”。Spiegel, M. R. Theory and Problems of Probability and Statistics. New York: McGraw-Hill, p. 119, 1992.

在 Wolfram|Alpha 中引用

指数分布

引用为

Weisstein, Eric W. “指数分布”。出自 MathWorld--Wolfram Web 资源。https://mathworld.net.cn/ExponentialDistribution.html

主题分类