Exponential distribution

简介：欢迎来到“等待”分布的世界！

你是否曾经坐在巴士站，心想下一班巴士还需要多久才会到？又或者，你是否曾等待过放射性原子的衰变，或是等待一个灯泡最终寿终正寝？在统计学中，当我们想要为随机事件之间的时间或距离建立模型时，我们会使用指数分布（Exponential Distribution）。

你可以把它想象成 Poisson 分布的“等待时间”版本。Poisson 分布告诉我们在特定时间内会发生多少次事件，而指数分布则告诉我们两次事件之间会经过多少时间。如果现在听起来觉得有点深奥，别担心，我们将一步步为你拆解！

1. 什么是指数分布？

指数分布是一种连续概率分布（Continuous probability distribution）。这是一个非常重要的区别！与处理计数（如 0, 1, 2...）的离散分布（如二项分布或 Poisson 分布）不同，连续分布处理的是测量值，例如时间、重量或距离，这些数值可以是任何数（例如 1.5 秒或 2.718 分钟）。

关键词：速率参数 \(\lambda\) (Lambda)
指数分布的形状取决于一个名为 \(\lambda\) 的数值，它代表每单位时间内事件发生的平均次数。

例子：如果一个客户服务中心每小时平均接到 10 个电话，那么 \(\lambda = 10\)。指数分布就能帮助我们计算下一个电话到来前需等待特定时间的概率。

速览小册

- 类型： 连续分布。
- 用途： 为事件之间的时间间隔建立模型。
- 主要参数： \(\lambda\)（事件发生的速率）。

2. 概率密度函数 (PDF)

概率密度函数 (Probability Density Function)，即 \(f(x)\)，描述了分布的“形状”。对于指数分布，其公式为：

\( f(x) = \lambda e^{-\lambda x} \) 当 \( x \ge 0 \) 时

若 \( x < 0 \)，则 \( f(x) = 0 \)。

图表长什么样子？
想象一条从 y 轴高处开始，向 x 轴弯曲向下的滑梯，它会越来越靠近 x 轴，但永远不会真正接触到它。

你知道吗？
概率最高的地方始终在 \( x = 0 \)。这意味着在指数分布中，较短的等待时间比非常长的等待时间更有可能发生。

3. 求概率：累积概率分布函数 (CDF)

在考试中，通常不会直接问你 PDF。相反地，题目会要求你计算等待时间小于或大于某个值的概率。为此，我们使用累积概率分布函数 (Cumulative Distribution Function, CDF)，记作 \(F(x)\)。

时间 \(X\) 小于或等于某个值 \(x\) 的概率为：

\( P(X \le x) = 1 - e^{-\lambda x} \)

“大于”的技巧：
因为总概率必须加起来等于 1，所以计算等待时间超过某个值的概率会更简单！

\( P(X > x) = e^{-\lambda x} \)

如果觉得这里有点难也不用担心！只要记住：“大于”是很简单的（直接用 \(e^{-\lambda x}\)），而“小于”则是你要用 1 减去那个值。

避免常见错误

确保你的 \(\lambda\) 和 \(x\) 的单位一致！如果 \(\lambda\) 是每小时的速率，那么 \(x\) 必须以小时为单位。如果题目给的是分钟，请先将其转换为小时。

4. 平均值与方差

你经常会被要求计算等待时间的“平均值”（mean）和“离散程度”（variance）。这些公式非常简单，但很容易搞混！

1. 平均值 (期望值)：
\( E(X) = \frac{1}{\lambda} \)

类比：如果你每小时有 2 班巴士（\(\lambda = 2\)），那么平均等车时间就是 \(1/2\) 小时（即 30 分钟）。

2. 方差：
\( Var(X) = \frac{1}{\lambda^2} \)

3. 标准差：
标准差是方差的平方根，因此对于指数分布：
\( \sigma = \sqrt{\frac{1}{\lambda^2}} = \frac{1}{\lambda} \)

等等！你注意到了吗？对于指数分布来说，平均值和标准差是完全一样的！这是一个独特的属性，你可以用它来检查自己的计算结果。

重点总结

- 平均值： \( 1 / \lambda \)
- 方差： \( 1 / \lambda^2 \)
- 标准差： \( 1 / \lambda \)

5. 步骤范例

问题：顾客进入商店的时间间隔服从指数分布，速率为每小时 4 位顾客。
a) 求顾客之间的平均时间。
b) 求下一位顾客在 15 分钟内到达的概率。

步骤 1：识别 \(\lambda\)
速率是每小时 4 位，所以 \(\lambda = 4\)。

步骤 2：解决部分 (a) - 平均值
\( E(X) = 1 / \lambda = 1 / 4 = 0.25 \) 小时（即 15 分钟）。

步骤 3：解决部分 (b) - 概率
首先，检查单位。\(\lambda\) 是以小时为单位，但题目说是 15 分钟。
将 15 分钟转换为小时：\( 15 / 60 = 0.25 \) 小时。
我们想要的是“15 分钟内”，也就是 \( P(X \le 0.25) \)。

使用公式 \( P(X \le x) = 1 - e^{-\lambda x} \)：
\( P(X \le 0.25) = 1 - e^{-(4 \times 0.25)} \)
\( P(X \le 0.25) = 1 - e^{-1} \)
\( P(X \le 0.25) \approx 1 - 0.3679 = 0.632 \)（取小数点后三位）。

6. 无记忆性 (Memoryless Property)

指数分布有一个非常奇特且著名的属性，称为“无记忆性”。

简单来说，这意味着无论你已经等待了多久，在接下来的 10 分钟内发生事件的概率永远是一样的。

类比：如果你在等待放射性粒子衰变，粒子并不会因为还没衰变就变得“疲累”或“更接近衰变”。无论你是刚开始观察，还是已经观察了一小时，它在下一秒衰变的概率都是一样的。

注意：在现实生活中，电池或汽车引擎等物件并不完全符合此特性，因为它们会随着时间磨损。但对于像放射性衰变或网站点击量这类随机事件，这项特性非常准确！

成功考试清单

考前请确保你能：
- 从题目中识别出 \(\lambda\)。
- 使用 \( 1 - e^{-\lambda x} \) 来计算“小于”的概率。
- 使用 \( e^{-\lambda x} \) 来计算“大于”的概率。
- 计算平均值 (\(1/\lambda\)) 和方差 (\(1/\lambda^2\))。
- 再三检查你的时间单位是否与速率单位一致！