概率统计学习笔记(9)——连续型:均匀分布、指数分布

本文深入探讨了两种基本的连续型随机变量概率分布——均匀分布和指数分布。详细介绍了它们的数学定义、概率密度函数以及指数分布特有的无记忆性性质。特别强调了指数分布在可靠性理论和排队理论中的广泛应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

均匀分布

若连续型随机变量XXX具有概率密度为f(x)={1b−a,a&lt;x&lt;b0,其他f(x)=\begin{cases}\frac{1}{b-a},a&lt;x&lt;b\\0,其他\end{cases}f(x)={ba1,a<x<b0,则,称XXX在区间(a,b)(a,b)(a,b)上服从均匀分布,记为X∼U(a,b)X\sim U(a,b)XU(a,b).

指数分布

若连续型随机变量XXX的概率密度为f(x)={1θe−x/θ,x&gt;00,其他f(x)=\begin{cases}\frac{1}{\theta}e^{-x/\theta},x&gt;0\\0,其他\end{cases}f(x)={θ1ex/θ,x>00,其中θ&gt;0\theta&gt;0θ>0,则称XXX服从参数为θ\thetaθ的指数分布。
性质(无记忆性):
对于任意s,t&gt;0s,t&gt;0s,t>0,有P{X&gt;s+t∣X&gt;s}=P{X&gt;t}P\{X&gt;s+t|X&gt;s\}=P\{X&gt;t\}P{X>s+tX>s}=P{X>t}

  • 一个元件从开始使用至少能用ttt时间的概率,与它已经用了sss时间后,还能至少用ttt时间的概率是一样的。
  • 指数分布在可靠性理论和排队理论中有广泛的应用。

ToBeContinued

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值