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
λ
λ
, 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
λ
λ
越大, 这个时间间隔就越小, 而且应该就近似等于
1λ
1
λ
. PDF 记做
p(x;λ)=λ1x≥0e−λx
p
(
x
;
λ
)
=
λ
1
x
≥
0
e
−
λ
x
一些性质
期望和方差
- 期望是 1λ 1 λ
- 方差是 1λ2 1 λ 2
无记忆性 Memoryless Property
∀s,t≥0,P(T>s+t|T>t)=P(T>s)
∀
s
,
t
≥
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
T
, 已知元件使用了 小时, 它总共使用至少
s+t
s
+
t
小时的概率, 与它从开始是算起使用至少
s
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 处取得边界点(sharp point)的分布, exponential distribution 便是理想之选.