【概率论】指数分布 Exponential Distribution

要先理解 泊松分布, 再过来看指数分布.
泊松分布是单位时间内独立事件发生次数的概率分布，指数分布是独立事件的时间间隔的概率分布。二者共享同一个参数 $\lambda$, 因为指数分布描述的是两个独立事件之间发生的事件间隔, 是个连续分布, 而且依经验 $\lambda$ 越大, 这个时间间隔就越小, 而且应该就近似等于 $\frac 1 \lambda$. PDF 记做

$$p(x;\lambda) = \lambda \mathbb 1_{x \geq 0} e^{-\lambda x}$$

一些性质

期望和方差

• 期望是 $\frac 1 \lambda$
• 方差是 $\frac 1 {\lambda ^2}$

无记忆性 Memoryless Property

$$\forall s,t \geq 0, P(T>s+t|T>t) = P(T>s)$$ , 直观的理解是 某一元件的预期寿命是 $T$, 已知元件使用了 $t$ 小时, 它总共使用至少 $s+t$ 小时的概率, 与它从开始是算起使用至少 $s$ 小时的概率相等.

应用场景

• 机器零件故障 / 硬盘故障 平均时间

在 ML 中

在 ML 中, 我们经常需要一个在 $x=0$ 处取得边界点(sharp point)的分布, exponential distribution 便是理想之选.