如何推導指數分布的概率密度曲線?

有一個類似問題是如何推導正態分布概率密度曲線,當時自己疑問看了之後明白了。這裡想知道指數分布的,沒有類似題,特此一問。


指數分布也可以定義為具有無記憶性的取值範圍為0到正無窮的連續分布。

假設一個滿足上述條件的分布概率密度函數為f.

那麼forall s,t > 0, P(X>t+s|X>t) = int_{t+s}^infty f(r)drBig/ int_t^infty f(r)dr equiv P(X>s).

int_{t+s}^infty f(r)dr - P(X>s) int_{t}^infty f(r)dr equiv 0, forall s,t ge 0.

等式兩邊邊對t求導,得到

f(t+s) = P(X>s)f(t), forall s,tge 0——————(*)

再對s求導,f(s) = f.

帶入s=0得到 f

解這個常微分方程得到通解f(t) = lambda e^{-lambda t}, 其中lambda = f(0).

--

當然這個推導有一個問題是為什麼f可導。我覺得可以通過等式(*)的左右兩邊bootstrap出來。


指數分布可以定義成泊松過程中相鄰兩次事件之間的時間間隔。

設一個泊松過程的參數為lambda,那麼在長度為t的一段時間內,事件發生次數N_t的分布為泊松分布:P(N_t = n) = frac{mathrm{e}^{-lambda t}(lambda t)^n}{n!}。這個推導過程很麻煩,略。

設相鄰兩次事件的間隔為T,那麼T > t的意思就是在t時間內沒有發生事件,即N_t = 0。於是有P(T>t) = mathrm{e}^{-lambda t}

T的概率密度函數就是p_T(t) = frac{mathrm{d}}{mathrm{d}t} P(T le t) = frac{mathrm{d}}{mathrm{d}t} (1 - mathrm{e}^{-lambda t}) = lambda mathrm{e}^{-lambda t}


@張雨萌

(*)式中取t=0

f(s)=P(X&>s)f(0)

F"(s)=(1-F(s))K

其中K=f(0)

解這個微分方程即可

由於f(s)連續,F(s)一定可導


李賢平的《概率論基礎》裡頭寫得很明白,題主自己看去吧。


推薦閱讀:

有了方差為什麼需要標準差?
數學思維與工程思維的區別與聯繫?
有哪些可以培養提高數學思維的書值得推薦?
沒接觸過競賽和建模的人,可以一天之內搞定一道數學建模競賽題嗎?
數學分析中實數理論有多重要?

TAG:數學 | 統計學 | 概率論 |