指数分布的期望和方差怎么求?
如下：
指数分布的参数为λ，则指数分布的期望为1/λ；方差为（1/λ）^2。
E(X)==∫x*f(x)dx==∫λx*e^(-λx)dx=-(xe^(-λx)+1/λ*e^(-λx))|(正无穷到0)=1/λ。
E(X^2)==∫x^2*f(x)dx=∫x^2*λ*e^(λx)dx=-(2/λ^2*e^(-λx)+2x*e^(-λx)+λx^2*e^(-λx))|(正无穷到0)=2/λ^2。
DX=E(X^2)-(EX)^2=2/λ^2-(1/λ)^2=1/λ^2。
在概率理论和统计学中，指数分布（也称为负指数分布）是描述泊松过程中的事件之间的时间的概率分布，即事件以恒定平均速率连续且独立地发生的过程。 这是伽马分布的一个特殊情况。 它是几何分布的连续模拟，它具有无记忆的关键性质。 除了用于分析泊松过程外，还可以在其他各种环境中找到。
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（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。
绛旓細鎸囨暟鍒嗗竷鐨勬湡鏈涳細E锛圶锛=1/位 鎸囨暟鍒嗗竷鐨勬柟宸細D锛圶锛=Var锛圶锛=1/位²鎸囨暟鍒嗗竷涓庡垎甯冩寚鏁版棌鐨勫垎绫讳笉鍚岋紝鍚庤呮槸鍖呭惈鎸囨暟鍒嗗竷浣滀负鍏舵垚鍛樹箣涓鐨勫ぇ绫绘鐜囧垎甯冿紝涔熷寘鎷鎬佸垎甯冿紝浜岄」鍒嗗竷锛屼冀椹垎甯冿紝娉婃澗鍒嗗竷绛夌瓑銆
绛旓細鎸囨暟鍒嗗竷鐨勫弬鏁颁负位锛屽垯鎸囨暟鍒嗗竷鐨勬湡鏈涗负1/位锛涙柟宸负锛1/位锛塣2銆侲(X)==鈭玿*f(x)dx==鈭粁*e^(-位x)dx=-(xe^(-位x)+1/位*e^(-位x))|(姝ｆ棤绌峰埌0)=1/位銆侲(X^2)==鈭玿^2*f(x)dx=鈭玿^2*位*e^(位x)dx=-(2/位^2*e^(-位x)+2x*e^(-位x)+位x^2*e^(...
绛旓細绛旀鏄細P锛坸<y锛=2/3 鍏蜂綋瑙ｆ硶濡備笅锛氳В棰樻濊矾锛氭眰鍑篨Y鑱斿悎姒傜巼瀵嗗害浠ュ悗,鍦ㄥ潗鏍囪酱XY涓婄敾鍑篩=-X-1鐨勭嚎,鍐嶆牴鎹甔鍜孻鐨勫彇鍊艰寖鍥磇e,鍗砐>0,Y>0,鎶婅仈鍚堟鐜囧瘑搴﹀湪鍥存垚鐨勪笁瑙掑舰鍐呰繘琛2閲嶇Н鍒,鍗冲彲绠楀嚭鏈鍚庣瓟妗堛
绛旓細缁间笂鎵杩帮紝鎸囨暟鍒嗗竷鐨勬湡鏈涙槸1/λ锛屾柟宸槸1/λ^2銆傝繖涓や釜鍙傛暟鍙互甯姪鎴戜滑鏇村ソ鍦扮悊瑙ｅ拰鎻忚堪鎸囨暟鍒嗗竷鐨勭壒鎬э紝渚嬪鍦ㄥ彲闈犳у伐绋嬨佹帓闃熻鍜岀敓瀛樺垎鏋愮瓑棰嗗煙涓紝鎸囨暟鍒嗗竷缁忓父琚敤鏉ユ弿杩颁骇鍝佹垨绯荤粺鐨勫鍛姐佹晠闅滈棿闅旂瓑闅忔満鍙橀噺鐨勫垎甯冩儏鍐点
绛旓細<t)=1-P(min(x1,x2,...xn)>=t)=1-P(x1>t,x2>t...)=1-P(x1>t)P(x2>t)P(x3>t)...P(xn>t){娉細鐢眡1,x2,x3...鐙珛鍚屽垎甯儅=1-e^(-位t)*e^(-位t)*e^(-位t)...e^(-位t)=1-e^n(-位t)杩欐槸鍙傛暟涓簄位鐨勬寚鏁板垎甯冿紝鍙鎸囨暟鍒嗗竷鐨Ez=1/位,Dz=1/(...
绛旓細鎸囨暟鍒嗗竷鐨勬湡鏈涓1/位銆傛寚鏁板垎甯冪殑鍙傛暟涓何伙紝鍒欐寚鏁板垎甯冪殑鏈熸湜涓1/位锛鏂瑰樊涓(1/位)²銆傛寚鏁板垎甯涓庡垎甯冩寚鏁鏃忕殑鍒嗙被涓嶅悓锛屽悗鑰呮槸鍖呭惈鎸囨暟鍒嗗竷浣滀负鍏舵垚鍛樹箣涓鐨勫ぇ绫绘鐜囧垎甯冿紝涔熷寘鎷鎬佸垎甯冿紝浜岄」鍒嗗竷锛屼冀椹垎甯冿紝娉婃澗鍒嗗竷绛夌瓑銆
绛旓細鎸囨暟鍒嗗竷鐨勫弬鏁颁负位锛屽垯鎸囨暟鍒嗗竷鐨勬湡鏈涓1/位锛鏂瑰樊涓猴紙1/位锛塣2 E(X)==鈭玿*f(x)dx==鈭粁*e^(-位x)dx=-(xe^(-位x)+1/位*e^(-位x))|(姝ｆ棤绌峰埌0)=1/位 E(X^2)==鈭玿^2*f(x)dx=鈭玿^2*位*e^(位x)dx=-(2/位^2*e^(-位x)+2x*e^(-位x)+位x^2*e^(-...
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
绛旓細鏈熸湜鍊硷細鏂瑰樊锛氭寚鏁板垎甯冨彲浠ョ敤鏉ヨ〃绀虹嫭绔嬮殢鏈轰簨浠跺彂鐢熺殑鏃堕棿闂撮殧锛屾瘮濡傛梾瀹㈣繘鏈哄満鐨勬椂闂撮棿闅旓紝鍦ㄦ帓闃熻涓紝涓涓【瀹㈡帴鍙楁湇鍔＄殑鏃堕棿闀跨煭锛堢瓑寰呮椂闂寸瓑锛変篃鍙互鐢ㄦ寚鏁板垎甯冩潵杩戜技銆傚洜涓哄弬鏁拔昏〃绀虹殑鏄瘡鍗曚綅鏃堕棿鍐呭彂鐢熸煇浜嬩欢鐨勬鏁帮紝鍗虫椂闂寸殑鍙戠敓寮哄害锛屾墍浠ュ叾鍊掓暟 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...
绛旓細鎸囨暟鍒嗗竷锛屽彲浠ョ敤鏉ヨ〃绀虹嫭绔嬮殢鏈轰簨浠跺彂鐢熺殑鏃堕棿闂撮殧銆傛寚鏁板垎甯冪殑鍙傛暟涓何伙紝鍒鎸囨暟鍒嗗竷鐨勬湡鏈涓1/位锛鏂瑰樊涓(1/位)鐨勫钩鏂广俌~E(鍏)f(y)=鍏^(-鍏)鏈熸湜鍊1/鍏ワ紝鏂瑰樊1/鍏²鎴 Y~E(a)f(y)=e^(-y/a)/a 鍙笉杩囨湡鏈涘兼槸a,鏂瑰樊a²...
