主題
Search

指數分佈


ExponentialDistribution

給定一個 泊松分佈,其變化率為 lambda,連續變化之間等待時間的分佈(k=0 時)為:

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

機率分佈函式為:

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

它在 Wolfram 語言 中實現為:ExponentialDistribution[lambda].

指數分佈是唯一的 連續 無記憶 隨機分佈。它是 幾何分佈 的連續模擬。

由於下式成立,因此該分佈已正確歸一化:

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

原始矩 由下式給出:

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

因此,前幾個原始矩為 1、1/lambda2/lambda^26/lambda^324/lambda^4、...。類似地,中心矩 為:

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

其中 Gamma(a,b) 是一個 不完全伽瑪函式!n 是一個 次階乘,前幾個中心矩為 1、0、1/lambda^22/lambda^39/lambda^444/lambda^5、...(OEIS A000166)。

因此,均值方差偏度峰度超額 為:

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

特徵函式 為:

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

其中 H(x)Heaviside 階躍函式F_x[f](t) 是引數為 a=b=1傅立葉變換

如果廣義指數機率函式定義為:

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

對於 x>=alpha,則 特徵函式 為:

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

中心矩 為:

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

原始矩 為:

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

均值方差偏度峰度超額 為:

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

另請參閱

極值分佈幾何分佈泊松分佈

使用 探索

參考文獻

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“整數序列線上百科全書”。Spiegel, M. R. Theory and Problems of Probability and Statistics. New York: McGraw-Hill, p. 119, 1992.

在 中引用

指數分佈

引用為

Weisstein, Eric W. “指數分佈”。出自 Web 資源。https://mathworld.tw/ExponentialDistribution.html

主題分類