- okok云
-
f(z)=(αβ/(β-α))(exp(-αz)-exp(-βz))
分布相加得到的分布还是原来的分布。因为n个均匀分布随机变量相加得到的新的随机变量符合高斯分布,这叫中心极限定理。
指数分布与分布指数族的分类不同,后者是包含指数分布作为其成员之一的大类概率分布,也包括正态分布,二项分布,伽马分布,泊松分布等等。
指数函数的一个重要特征是无记忆性。这表示如果一个随机变量呈指数分布,当s、t>0时有P(T>t+s|T>t)=P(T>s)。即,如果T是某一元件的寿命,已知元件使用了t小时,它总共使用至少s+t小时的条件概率,与从开始使用时算起它使用至少s小时的概率相等。
扩展资料:
指数分布虽然不能作为机械零件功能参数的分布规律,但是,它可以近似地作为高可靠性的复杂部件、机器或系统的失效分布模型,特别是在部件或机器的整机试验中得到广泛的应用。
指数分布的图形表面上看与幂律分布很相似,实际两者有极大不同,指数分布的收敛速度远快过幂律分布。
某种产品或零件经过一段时间t0的工作后,仍然如同新的产品一样,不影响以后的工作寿命值,或者说,经过一段时间t0的工作之后,该产品的寿命分布与原来还未工作时的寿命分布相同。
显然,指数分布的这种特性,与机械零件的疲劳、磨损、腐蚀、蠕变等损伤过程的实际情况是完全矛盾的,它违背了产品损伤累积和老化这一过程。所以,指数分布不能作为机械零件功能参数的分布形式。
参考资料来源:百度百科——指数分布
- 康康map
-
指数分布
指数函数的一个重要特征是无记忆性(Memoryless Property,又称遗失记忆性)。这表示如果一个随机变量呈指数分布,当s,t>0时有P(T>t+s|T>t)=P(T>s)。即,如果T是某一元件的寿命,已知元件使用了t小时,它总共使用至少s+t小时的条件概率,与从开始使用时算起它使用至少s小时的概率相等。
- 蓓蓓
-
如果两个指数分布独立,就是二者卷积分,f(z)=(αβ/(α+β))(exp(-αz)-exp(-βz)),其中αβ分别是xy的指数分布参数
- ardim
-
f(z)=(αβ/(β-α))(exp(-αz)-exp(-βz))