指数分布的期望和方差 指数分布的方差是什么？
\u6307\u6570\u5206\u5e03\u7684\u671f\u671b\u548c\u65b9\u5dee\u6307\u6570\u5206\u5e03\u7684\u671f\u671b\uff1aE\uff08X\uff09=1/\u03bb
\u6307\u6570\u5206\u5e03\u7684\u65b9\u5dee\uff1aD\uff08X\uff09=Var\uff08X\uff09=1/\u03bb²
\u6307\u6570\u5206\u5e03\u4e0e\u5206\u5e03\u6307\u6570\u65cf\u7684\u5206\u7c7b\u4e0d\u540c\uff0c\u540e\u8005\u662f\u5305\u542b\u6307\u6570\u5206\u5e03\u4f5c\u4e3a\u5176\u6210\u5458\u4e4b\u4e00\u7684\u5927\u7c7b\u6982\u7387\u5206\u5e03\uff0c\u4e5f\u5305\u62ec\u6b63\u6001\u5206\u5e03\uff0c\u4e8c\u9879\u5206\u5e03\uff0c\u4f3d\u9a6c\u5206\u5e03\uff0c\u6cca\u677e\u5206\u5e03\u7b49\u7b49\u3002
\u6269\u5c55\u8d44\u6599\uff1a
\u6307\u6570\u5206\u5e03\u5e94\u7528\u5e7f\u6cdb\uff0c\u5728\u65e5\u672c\u7684\u5de5\u4e1a\u6807\u51c6\u548c\u7f8e\u56fd\u519b\u7528\u6807\u51c6\u4e2d\uff0c\u534a\u5bfc\u4f53\u5668\u4ef6\u7684\u62bd\u9a8c\u65b9\u6848\u90fd\u662f\u91c7\u7528\u6307\u6570\u5206\u5e03\u3002\u6b64\u5916\uff0c\u6307\u6570\u5206\u5e03\u8fd8\u7528\u6765\u63cf\u8ff0\u5927\u578b\u590d\u6742\u7cfb\u7edf\uff08\u5982\u8ba1\u7b97\u673a\uff09\u7684\u5e73\u5747\u6545\u969c\u95f4\u9694\u65f6\u95f4MTBF\u7684\u5931\u6548\u5206\u5e03\u3002\u4f46\u662f\uff0c\u7531\u4e8e\u6307\u6570\u5206\u5e03\u5177\u6709\u7f3a\u4e4f\u201c\u8bb0\u5fc6\u201d\u7684\u7279\u6027\u3002
\u56e0\u800c\u9650\u5236\u4e86\u5b83\u5728\u673a\u68b0\u53ef\u9760\u6027\u7814\u7a76\u4e2d\u7684\u5e94\u7528\uff0c\u6240\u8c13\u7f3a\u4e4f\u201c\u8bb0\u5fc6\u201d\uff0c\u662f\u6307\u67d0\u79cd\u4ea7\u54c1\u6216\u96f6\u4ef6\u7ecf\u8fc7\u4e00\u6bb5\u65f6\u95f4t0\u7684\u5de5\u4f5c\u540e,\u4ecd\u7136\u5982\u540c\u65b0\u7684\u4ea7\u54c1\u4e00\u6837,\u4e0d\u5f71\u54cd\u4ee5\u540e\u7684\u5de5\u4f5c\u5bff\u547d\u503c\uff0c\u6216\u8005\u8bf4\uff0c\u7ecf\u8fc7\u4e00\u6bb5\u65f6\u95f4t0\u7684\u5de5\u4f5c\u4e4b\u540e\uff0c\u8be5\u4ea7\u54c1\u7684\u5bff\u547d\u5206\u5e03\u4e0e\u539f\u6765\u8fd8\u672a\u5de5\u4f5c\u65f6\u7684\u5bff\u547d\u5206\u5e03\u76f8\u540c\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a
\u767e\u5ea6\u767e\u79d1-\u6307\u6570\u5206\u5e03
\u4ee51/\u03b8\u4e3a\u53c2\u6570\u7684\u6307\u6570\u5206\u5e03\uff0c\u671f\u671b\u662f\u03b8\uff0c\u65b9\u5dee\u662f\u03b8\u7684\u5e73\u65b9
\u8fd9\u662f\u540c\u6d4e\u5927\u5b664\u7248\u6982\u7387\u8bba\u7684\u8bf4\u6cd5\u3002\u5f53\u7136\uff0c\u4e00\u822c\u53c2\u8003\u4e66\u8bf4\u6210\uff1a\u4ee5\u03bb\u4e3a\u53c2\u6570\u7684\u6307\u6570\u5206\u5e03\uff0c\u671f\u671b\u662f1/\u03bb\uff0c\u65b9\u5dee\u662f\uff081/\u03bb\uff09\u7684\u5e73\u65b9
\uff0c\u5176\u5b9e\u662f\u4e00\u56de\u4e8b\uff01\uff01\uff01\uff01
期望值：
方差：
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，在排队论中，一个顾客接受服务的时间长短（等待时间等）也可以用指数分布来近似。
因为参数λ表示的是每单位时间内发生某事件的次数，即时间的发生强度，所以其倒数 1/λ（实际上是指数分布期望）可以表示为事件发生之间的间隔，即等待时间。如果平均每个小时接到2次电话（λ=2），那么预期等待每一次电话的时间是0.5个小时。
扩展资料
(1)随机变量X的取值范围是从0到正无穷；
(2)密度函数极大值在x＝0处，即f(x)＝λ；
(3)密度函数曲线随着x的增大，迅速递减；λ越大，密度函数曲线在零点附近越高，下降越急速；
(4)λ越大，分布函数曲线在零点附近越高，上升越急速，更早达到天花板（即p=1）；熟记，指数分布的期望值和方差为µ＝1/λ，σ2＝1/λ2。
参考资料来源：百度百科-指数分布
要注意以谁为参数，若以λ为参数，则是E(X)=1/λ D(X)=1/λ²，若以1/λ为参数，则E(X)= λ，D(X)=λ²
简单计算一下即可，答案如图所示
肯定是E(X)=1/λ D(X)=1/λ²，x>=0时，f(x)=λ*e^(-λ*x)
指数分布是1/λ那个
λ那个是泊松分布的
绛旓細涓銆佸畾涔夌瘒 褰撻殢鏈哄彉閲廥鎷ユ湁濡備笅鐨勫瘑搴﹀嚱鏁:density(X; 胃) = 胃 * exp(-胃x) 瀵逛簬鎵鏈墄 鈮 0, 鍏朵腑胃涓烘鍙傛暟锛屾垜浠ОX鏈嶄粠鍙傛暟涓何哥殑鎸囨暟鍒嗗竷锛岃涓篨~EXP(胃)銆傝繖涓鍒嗗竷鐨鐙壒褰㈢姸鍐冲畾浜嗗叾鍦ㄧ幇瀹炰笘鐣屼腑鐨勫箍娉涘簲鐢ㄣ備簩銆佹暟瀛鏈熸湜涓庢柟宸鎻 瀵逛簬鎸囨暟鍒嗗竷X~EXP(位)锛屽叾鏁板鏈熸湜锛堜篃绉板潎鍊硷級...
绛旓細鎮ㄥソ锛鎸囨暟鍒嗗竷鐨鏁板鏈熸湜鏄1/位锛鏂瑰樊鏄1/位² 锛屾ゼ涓婅鐨勭殑鏄鎬佸垎甯
绛旓細娉婃澗鍒嗗竷鍜鎸囨暟鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊鍏紡锛歑锝濸(位) E(X)=位 D(X)=位 X鎸囨暟鍒嗗竷 E(X)=1/位 D(X)=1/位
绛旓細4銆鎸囨暟鍒嗗竷锛鏈熸湜鏄1/p,鏂瑰樊鏄1/(p鐨勫钩鏂)銆5銆佹鎬佸垎甯冿紝鏈熸湜鏄痷锛屾柟宸槸&鐨勫钩鏂广6銆亁鏈嶄粠鍙傛暟涓簆鐨0-1鍒嗗竷锛屽垯e(x)=p锛宒(x)=p(1-p)銆備簩椤瑰垎甯冿細鍦ㄦ瘡娆¤瘯楠屼腑鍙湁涓ょ鍙兘鐨勭粨鏋滐紝鑰屼笖涓ょ缁撴灉鍙戠敓涓庡惁浜掔浉瀵圭珛锛屽苟涓旂浉浜掔嫭绔嬶紝涓庡叾瀹冨悇娆¤瘯楠岀粨鏋滄棤鍏筹紝浜嬩欢鍙戠敓涓庡惁鐨勬鐜囧湪姣忎竴娆...
绛旓細浣犲簲璇ラ棶鐨勬槸鏈熸湜E锛坸锛夊惂 鎸囨暟鍒嗗竷鐨勬湡鏈鍏紡鏄疎(X)=1/位 鏂瑰樊鍏紡鏄疍(X)=1/位² 鎵浠锛坸锛=1/6
绛旓細鍥犱负鍙傛暟位琛ㄧず鐨勬槸姣忓崟浣嶆椂闂村唴鍙戠敓鏌愪簨浠剁殑娆℃暟锛屽嵆鏃堕棿鐨勫彂鐢熷己搴︼紝鎵浠ュ叾鍊掓暟 1/位锛堝疄闄呬笂鏄鎸囨暟鍒嗗竷鏈熸湜锛夊彲浠ヨ〃绀轰负浜嬩欢鍙戠敓涔嬮棿鐨勯棿闅旓紝鍗崇瓑寰呮椂闂淬備互1/胃涓哄弬鏁扮殑鎸囨暟鍒嗗竷锛屾湡鏈涙槸胃锛鏂瑰樊鏄哥殑骞虫柟杩欐槸鍚屾祹澶у4鐗堟鐜囪鐨勮娉曘傚綋鐒讹紝涓鑸弬鑰冧功璇存垚锛氫互位涓哄弬鏁扮殑鎸囨暟鍒嗗竷锛屾湡鏈涙槸1/位...
绛旓細鎸囨暟鍒嗗竷鐨勬柟宸涓1/位^2 鎵浠锛坰^2锛=1/位^2
绛旓細1銆侀鍏堢煡閬揈X=1/a DX=1/a^2 2銆鎸囨暟鍑芥暟姒傜巼瀵嗗害鍑芥暟锛歠(x)=a*e^(ax),x>0,鍏朵腑a>0涓哄父鏁般俧(x)=0,鍏朵粬 3銆佹湁杩炵画琛闅忔満鍙橀噺鐨勬湡鏈鏈塃(X)==鈭珅x|*f(x)dx,(绉垎鍖洪棿涓鸿礋鏃犵┓鍒版鏃犵┓)鍒橢(X)==鈭珅x|*f(x)dx,(绉垎鍖洪棿涓0鍒版鏃犵┓),鍥犱负璐熸棤绌峰埌0鏃跺嚱鏁板间负0.EX)==...
绛旓細棣栧厛鐭ラ亾EX=1/a DX=1/a^2 鎸囨暟鍑芥暟姒傜巼瀵嗗害鍑芥暟锛歠(x)=a*e^(ax),x>0,鍏朵腑a>0涓哄父鏁.f(x)=0,鍏朵粬 鏈夎繛缁闅忔満鍙橀噺鐨勬湡鏈鏈塃(X)==鈭珅x|*f(x)dx,(绉垎鍖洪棿涓鸿礋鏃犵┓鍒版鏃犵┓)鍒橢(X)==鈭珅x|*f(x)dx,(绉垎鍖洪棿涓0鍒版鏃犵┓),鍥犱负璐熸棤绌峰埌0鏃跺嚱鏁板间负0.EX)==鈭玿*f(x)dx...
