概率统计21——指数分布和无记忆性

　　指数分布（Exponential distribution）是一种连续型概率分布，可以用来表示独立随机事件发生的时间间隔的概率，比如婴儿出生的时间间隔、旅客进入机场的时间间隔、打进客服中心电话的时间间隔、系统出现bug的时间间隔等等。

指数分布的由来

　　指数分布与泊松分布存在着联系，它实际上可以由泊松分布推导而来。

　　

　　泊松分布（概率统计15）中已经介绍过泊松分布，除了作为二项分布的近似外，当独立事件发生的频率固定时，泊松分布还可以刻画算单位时间内事件发生次数的概率分布。

　　假设某个公司有一个带伤上线的系统，每周平均的故障次数是2次，在下周不发生故障概率是多少？

　　每周平均的故障次数是2次，我们可以把“一周”看作单位时间，程序的故障率是λ=2，单位时间内发生故障的次数X符合泊松分布X~Po(λ)。在下周不发生故障的概率相当于发生了0个故障的概率：

　　现在要求计算两周之内不发生故障的概率。我们用随机变量T>2表示在2个单位时间内系统未发生故障的事件。在已知下周不发生故障的概率的情况下，P（T>2）计算起来很容易：

　　我们换一种思路。之前是把“一周”看作单位时间，单位时间内事件发生的频率是λ=2。现在是变成了双倍的单位时间，故障发生的频率自然就变成2λ=4，这样一来，两周之内不发生故障的概率是：

 

　　结果和①相等。

　　时间是连续的，如果计算T=1.5周内不发生故障的概率，①就显得无能为力了。但是②却没有任何问题，只要把单位时间内事件的频率λ随着时间T进行放缩就可以了：

　　将问题推广到任意时间间隔：