目录
由于在进行排队论理论分析时时常涉及到生存函数、风险函数的概念,因此在本篇文章记录和梳理一下生存函数的意义,全部使用概率进行理解 1 2。
1 生存函数相关概念
用变量 T T T表示个体的生存时间(或机器的正常运转时间),给定一个生存临界时间点 t t t,假设 t t t的概率分布为 f ( t ) f(t) f(t),即概率密度函数(PDF),表示 P ( T = t ) = f ( t ) P(T=t)=f(t) P(T=t)=f(t),其累积分布函数(CDF)为 F ( t ) F(t) F(t),表示 P ( T ≤ t ) = F ( t ) P(T\leq t)=F(t) P(T≤t)=F(t),则
- 生存函数(Survival Function) S ( t ) = P ( T > t ) = 1 − F ( t ) S(t)=P(T>t)=1-F(t) S(t)=P(T>t)=1−F(t),表示实际存活时间大于 t t t的概率,因此 f ( t ) = − S ′ ( t ) f(t)=-S'(t) f(t)=−S′(t);
- 平均存活时间(Mean Machine Lifetime) u ( t ) = ∫ 0 t S ( x ) d x u(t)=\int_0^t S(x)dx u(t)=∫0tS(x)dx,表示平均存活时间;
- 风险函数(Hazard Function) z ( t ) = lim h → 0 + P ( t ≤ T ≤ t + h ∣ T ≥ t ) h = f ( t ) S ( t ) = − d d t log ( S ( t ) ) z(t)=\lim_{h\rightarrow 0+}\frac{P(t\leq T\leq t+h|T\geq t)}{h}=\frac{f(t)}{S(t)}=-\frac{d}{dt}\log(S(t)) z(t)=limh→0+hP(t≤T≤t+h∣T≥t)=S(t)f(t)=−dtdlog(S(t))(第二个等式使用贝叶斯公式推导可得,第三个等式利用了log函数的导数),表示个体存活到时间 t t t后在一个极小的时间区间内死亡的概率;
- 平均残余时间(Mean Residual Life) r ( t ) = E ( T − t ∣ T ≥ t ) = ∫ t ∞ S ( x ) d x S ( t ) r(t)=E(T-t|T\geq t)=\frac{\int_t^{\infty}S(x)dx}{S(t)} r(t)=E(T−t∣T≥t)=S(t)∫t∞S(x)dx,表示存活到时间 t t t后平均还能存活多长时间;
- 累计风险函数(cumulative hazard function) Λ ( t ) = ∫ 0 t z ( x ) d x \Lambda(t)=\int_0^t z(x)dx Λ(t)=∫0tz(x)dx,表示一段时间的风险和。
持续更新中……