免费动漫成人av在线观看,丰满人妻一区二区三区精品高清,国产麻豆乱子伦午夜视频观看

【指數(shù)分布的方差】X1, X2, ..., Xn 參數(shù)為 a 的Poisson分布P(a) ，則X1 + X2 + ... + Xn 為參數(shù)為 na 的Poison分布，由此可以得到均值的密度為：
P(X平均 = k) = e^(-na) (na)^(nk) / (nk)!
Y1,Y2,...,Yn 參數(shù)為 a 的指數(shù)分布，則Y1 + Y2 + ... + Yn 分布為Г(a, n) ，也就是說一個Г分布可以分解為指數(shù)分布的和。若有很多個Г分布，現(xiàn)將其分解成指數(shù)分布的和，然后組合就變成了一個新的Г分布，只是參數(shù)中的n變了而已。然后，要得到均值的密度就很簡單了。
Г(a,n)密度為：
p(x) = a^n / Г(n) * x^(n-1) * e^(-ax)
由此得到Y(jié)1 + Y2 + ... + Yn 均值的密度為：
p(x) = (na)^n / Г(n) * x^(n-1) * e^(-nax)

要注意的是，
1）由于當(dāng)x<0的時候， f(x)=0 ，因此積分區(qū)間可由（負(fù)無窮，正無窮）直接變?yōu)椋? ，正無窮）
2）推導(dǎo)過程用到了分部積分的方法
3）當(dāng)x->無窮大時， x/e^(-2x)是趨于0的。
4）粉紅色標(biāo)出的沒有別的意思，就是指明，隨機變量X服從指數(shù)為2的指數(shù)分布而已。
指數(shù)分布e(x)是期望值的意思。
比方說：如果你平均每個小時接到2次電話，那么你預(yù)期等待每一次電話的時間是半個小時。
這個期望值就是用e(x)來表示的。

一般的說，一個隨機變量的函數(shù)的期望值并不等于這個隨機變量的期望值的函數(shù) 。
在一般情況下，兩個隨機變量的積的期望值不等于這兩個隨機變量的期望值的積。特殊情況是當(dāng)這兩個隨機變量是相互獨立的時候（也就是說一個隨機變量的輸出不會影響另一個隨機變量的輸出）。
在概率理論和統(tǒng)計學(xué)中，指數(shù)分布（也稱為負(fù)指數(shù)分布）是描述泊松過程中的事件之間的時間的概率分布，即事件以恒定平均速率連續(xù)且獨立地發(fā)生的過程。
這是伽馬分布的一個特殊情況。它是幾何分布的連續(xù)模擬，它具有無記憶的關(guān)鍵性質(zhì) 。除了用于分析泊松過程外，還可以在其他各種環(huán)境中找到。
指數(shù)分布與分布指數(shù)族的分類不同，后者是包含指數(shù)分布作為其成員之一的大類概率分布，也包括正態(tài)分布，二項分布，伽馬分布，泊松分布等等。
指數(shù)函數(shù)的一個重要特征是無記憶性（Memoryless Property ，又稱遺失記憶性）。這表示如果一個隨機變量呈指數(shù)分布，當(dāng)s,t>0時有P(T>t+s|T>t)=P(T>s) 。
即：如果T是某一元件的壽命，已知元件使用了t小時，它總共使用至少s+t小時的條件概率，與從開始使用時算起它使用至少s小時的概率相等。
指數(shù)分布的期望：可以用來表示獨立隨機事件發(fā)生的時間間隔，比如旅客進機場的時間間隔，在排隊論中，一個顧客接受服務(wù)的時間長短（等待時間等）就是指數(shù)分布的期望。
因為參數(shù)λ表示的是每單位時間內(nèi)發(fā)生某事件的次數(shù) ，即時間的發(fā)生強度，所以其倒數(shù) 1/λ（實際上是指數(shù)分布期望）可以表示為事件發(fā)生之間的間隔，即等待時間。如果平均每個小時接到2次電話（λ=2），那么預(yù)期等待每一次電話的時間是0.5個小時。
特征：
指數(shù)函數(shù)的一個重要特征是無記憶性（Memoryless Property ，又稱遺失記憶性）。這表示如果一個隨機變量呈指數(shù)分布，當(dāng)s,t>0時有P(T>t+s|T>t)=P(T>s) 。
即，如果T是某一元件的壽命，已知元件使用了t小時，它總共使用至少s+t小時的條件概率，與從開始使用時算起它使用至少s小時的概率相等。