指数分布均值估计量的比较

形状参数分布特性_图文(精)

方数据 万 86农业机械学报 来自东北农业大学种子站,小麦籽粒的各项指标:小麦籽粒的容积质量及千粒质量由种子站给出,含水率自行测定,测定含水率时使用的仪器为 KANEK0DIGITAL PERCENTER DP一5型快速水分测量仪。试验样品的容积质量、干粒质量、含水率如表1所示。 1.2试验方法 将各种小麦籽粒分别装入密闭塑料袋中,放入冰箱,冰箱内的温度为6℃。 试验时取出适量小麦籽粒,去掉病粒、畸形粒后每个品种随机抽样75粒,使其回升至室温后进行试验。将小麦籽粒的尾毛去掉,并作适当净化处理,使其颜色变浅,以便进行图像处理时能够获得较好的图像分割效果。图像摄入计算机后,以BMP 文件存在硬盘内,以便随时调用。图像摄取之后,对每粒籽粒进行称量,电子天平的型号为HANGPING JA5003(精度1/1ooo g。 表1试验样品的物理特性 Tab.1Physicm propenies oftk experimental s蛐ples 2小麦籽粒形状参数分形特性研究 2.1网格法的基本原理 将欧氏空间R”分为尽可能细的△网格,当正规等测度分割时,即作以维以△ 为、间隔的分割,将集合x离散为数字点集,用Ⅳa表示离散空间(间距为△上的集合x的计点数。将△网格逐次放大为 K△网格,而Ⅳ"表示离散空间(间距为K△上的集

合x的计点数。得到愚个不同网格宽度上的计点数Ⅳ砧,愚一1,2,…,K。二维空间的数字点集分割过程见图1。 衄- 图1数字点集分割 Fig.1Segment of digital assembly 设zl—lg愚,弘一lgⅣm则点集(z^,挑所构成直线的斜率的绝对值就是其分形维数[5]。 2.2分形特性研究 应用上述理论及方法研究小麦粒形分型特性, 在长度、宽度、厚度、粒质量等参数间,对每次任选的两个参数,绘制其散点图,利用网格法计算其咒、 h,求点集(冠,h所构成直线斜率绝对值,作为这两个参数间的分形维数。 以东农99—6501小麦籽粒为例,样品数为60粒时其宽度与长度间的计点数M 及兄、n、的值见表2。X^、K的线性回归方程为K=一o.3774冠+ 5.076,相关系数R2一o.9292,方程显著相关。由图2看出,回归方程曲线拟合较好。东农99—6501小麦籽粒的宽度与长度之间的分形维数为o.3774。其他参数间的分形维数计算方法相同。4种小麦籽粒各参数间的分形维数值见表3。 表2东农鲫一6501小麦籽粒宽度长度分形维数 Tab.2 Fractu聆mme瑚iOn betw∞n稍d也眦d Ie唧恤 for wheat kerneb Of n蛆u 99—6501 5.O 4.8 蕾4.6

Gamma分布与指数分布

Gamma分布与指数分布 "Gamma 分布gamma distribution; form of gamma distribution;" 在学术文献中的解释 1、在地震序列的有序性、地震发生率的齐次性、计数特征具有独立增量和平稳增量情况下,可以导出地震发生i 次时间的概率密度为Gamma 密度函数(亦称为Gamma分布) r (称为伽马函数，它是用一个积分式定义的，不是初等函数。伽马函数有性质： r(x+i)=x , (r) (0)=1, r (1/2)=，▽对证整数n,有r (n+1)=n伽马分布里面r ( a ,(分布函数已经了解)。a ,个指代何种意义的参数？比如在化工里面有这样一个问题，说反应器管道的长度L服从r ( a分布，那么a，是和管道形状和尺度相关的参数。a，是两个分布调整参量，该分布的期望二C+(a /也就是说a /调整期望；分布的方差二a / (3，由此并不需要单独定义二者，应该共同对分布起作用！ 伽马函数r(z)的定义域是，C-{-n,n=0,1,2,...}其中C为复数域，Re (z) >0 时，常见的积分是收敛，也就是说r(z)可用常见的积分定义。 如 1 种常见的积分： r (z)二/ {0

指数分布 如果随机变量X 的概率密度为 公式 P (X>0二入乘以(e的一入X次方)；p(x<0)=0 则称X遵从指数分布(参数为为。 在概率论和统计学中，指数分布( Exponentialdistribution )是一种连续概率分布。指数分布可以用来表示独立随机事件发生的时间间隔，比如旅客进机场的时间间隔、中文维基百科新条目出现的时间间隔等等。 许多电子产品的寿命分布一般服从指数分布。有的系统的寿命分布也可用指数分布来近似。它在可靠性研究中是最常用的一种分布形式。指数分布是伽玛分布和威布尔分布的特殊情况，产品的失效是偶然失效时，其寿命服从指数分布。 指数分布可以看作当威布尔分布中的形状系数等于 1 的特殊分布，指数分 布的失效率是与时间t 无关的常数，所以分布函数简单。

指数分布

指数分布 设连续型随机变量X 的密度函数为0 ()00x e x f x x λλ-?≥=?为常数。 其分布函数为0 10 ()()00x x e x F x f t dt x λ-?-≥==? >，我们有 (|)()x P X s t X t e P X s λ->+>==>，如果X 解释为寿命，这表明如果已知X 的 寿命大于t 年，则它再活s 年的概率与年龄t 无关，这是指数分布的重要特征。因此指数分布为“永远年青”的分布。 例：某型号计算机，无故障工作的时间X （单位h ）服从参数为1 100 的指数 分布，求它无故障工作50—100h 的概率是多少？它的运转时间少于100h 的概率是多少？ 解 由题设X 的密度函数为1100 10 ()100 00x e x f x x -?≥? =??===在内无冲击 于是X 的分布函数为()1()1,0t F t R t e t λ-=-=->

围岩强度和变形参数的分布特征及可靠性分析

2010年11月 Rock and Soil Mechanics Nov. 2010 收稿日期：2010-05-12 基金项目：国家自然科学基金资助项目（No. 40872178）；上海市重点学科建设项目资助（No. B308）。 第一作者简介：闫春岭，男，1975年生，博士研究生，讲师，主要从事岩土力学及工程地质方面的研究与教学。 文章编号：1000－7598 (2010)增刊2－0349－06 围岩强度和变形参数的分布特征及可靠性分析 闫春岭1, 2，丁德馨3，唐益群1, 2，毕忠伟3 （1. 同济大学 岩土及地下工程教育部重点实验室，上海 200092，2. 同济大学 地下建筑与工程系，上海 200092； 3. 南华大学 核资源与安全工程学院，湖南 衡阳 421001） 摘 要：从康家湾铅锌金矿Ⅲ-1号矿体上盘围岩取大量岩样，分别加工制作了50个压缩和拉伸试验的试样。利用RMT-150B 伺服试验系统对试样进行单轴抗压、抗拉试验，各获得了50个试验结果。采用假设检验法，分别对50个单轴抗压强度和50个抗拉强度进行检验，结果表明，它们分别服从正态分布和对数正态分布；对50个E 、μ和50个C 、?，进行不放回抽样，组成50组E 、μ、C 、?。利用FLAC 计算软件，对硐室围岩中的应力进行了计算，分别获得了50个最大主应力和50个最小主应力；采用同样假设检验法，证明它们分别服从对数正态和正态分布；根据单轴抗压、抗拉强度及围岩中的最大主应力、最小主应力概率密度函数，计算了硐室围岩不发生拉伸破坏和压缩破坏的可靠度；并对硐室围岩抗剪强度的校核，得出了该地下硐室围岩稳定的结论。 关 键 词：可靠性；围岩；力学参数；概率分布 中图分类号：TU 458 文献标识码：A Probability distribution of strength parameters and deformation parameters of surrounding rock and reliability analysis YAN Chun-ling 1, 2，DING De-xin 3，TANG Yi-qun 1, 2，BI Zhong-wei 3 (1. Key Laboratory of Geotechnical and Underground Engineering of Ministry of Education, Tongji University ，Shanghai 200092, China; 2. Department of Geotechnical Engineering, Tongji University, Shanghai 200092, China; 3. School of Nuclear Resources and Safety Engineering, University of South China, Hengyang, Hunan 421001, China) Abstract: Cores were taken from hanging wall of the Ⅲ-1 ore body at Kangjiawan Lead ，Zink and Gold Mine. 50 samples for compression tests and 50 samples for tension tests were fabricated. And 50 compressive strength values and 50 tensile strength values were obtained by using the electro-hydraulic and servo-controlled testing system RMT-150B. The probability distributions for the compressive strength and tensile strength were tested by using the obtained compressive strength values and tensile strength values and the hypothesis test method. It is shown that the uniaxial compressive strength follows normal distribution; and uniaxial tensile strength follows the lognormal distribution. It composes of 50 groups of E , μ, C , ? by random sampling to 50E , μand 50 C , ? without replacement. The stress of surrounding rock was calculated by using FLAC and 50 maximum values and 50 minimum values were respectively gained. The results show the former follows lognormal distribution and the latter follows normal distribution. The reliability of surrounding rock without tensile and compression failure was calculated under uniaxial compressive, tensile strength and probability density function of maximum and minor principal stress. Shear strength and the stability of surrounding rock were checked. Key words: reliability; surrounding rock mass; mechanical parameters; probability distribution 1 引 言 岩土工程的可靠度研究开始于20世纪50年代后期[1]。1956年Casagrande [2]提出了土工和基础工程中计算风险的问题，在岩土工程领域中最早论述了风险问题，直到60年代才有较多的人注意这方面 的研究。大量的报导出现在70年代，可靠度研究取得了很大的进展，Meyerhof 、Lumo 和Wu 等[3]都研究了岩土工程中安全系数与失效概率的关系，讨论岩土变异性对失效概率的影响；松尾稔[4]系统地论述了可靠度设计的现状和发展可靠度设计需要解决的问题；Harr 在他所著的Mechanics of Particulate

指数分布与泊松分布的随机值的产生程序

指数分布与泊松分布的随机值的产生程序原理解析

指数分布与泊松分布的随机值的产生程序原理解析 除湿机 最近做毕业设计要涉及到排队问题的仿真。而根据排队论，指数分布的随机值是表示两个排队者进入队列的时间间隔；而泊松分布的随机值表示的是单位时间内进入排队者的数量。 1 先来复习一下公式 1.1 指数分布： 1.1.1 概率密度函数： （1） 1.1.2 概率分布函数： （2） 1.2 泊松分布 1.2.1 概率密度函数： ,k=0,1,2,3 (3) 1.2.2 概率分布律： （4） 1.3 伽马分布

1.3.1 概率密度函数： （5） 1.3.2 概率分布律： （6） 1.3.3 伽马函数： （7） （8） （9） 伽马函数的特性： 2 生成连续分布随机变量的一般方法 根据分布函数的性质，F(x)单调上升，，在，所以F(X)可逆。 设y=F(x),则

我们可以用U（U是服从[0，1)均匀分布的随机变量）代替式子中的y，我们需要的目标随机变量X替换x，得： （10） 3 生成指数分布随机变量的方法 ，通过逆变换得: 因为1-U（U是服从[0，1)均匀分布的随机变量）也服从均匀分布，所以 这时的U必须不等于0。 4 生成泊松分布随机变量的方法 这里我是通过服从指数分布的随机变量来生成泊松分布的随机变量。因为指数分布实际上是伽马分布的一种特殊情况。 大家看下面这个伽马分布的密度函数： 我们令,这个式子就化成了下面这个指数分布的密度函数

而伽马分布还具有的一个性质是加成性： 如果随机变量相互独立，则存在服从伽马分布的符合一下规则 因为指数分布是伽马分布的特例，所以也有如上性质。 然后，我们知道指数分布的随机变量是表示两个排队者的时间间隔，我们一直产生期望为的指数分布的随机变量直到， 然后停止，这时m-1就是我们要的泊松分布在1时间内的随机变量，根据伽马分布的可加性， 的概率就是服从 ： 因此，令n=m-1这个伽马分布的随机变量=的概率，就是:

第二章 多元正态分布及参数的估计汇总

第二章多元正态分布及参数的估计 在多元统计分析中,多元正态分布占有相当重要的地位.这是因为许多实际问题涉及到的随机向量服从正态分布或近似服从正态分布;当样本量很大时,许多统计量的极限分布往往和正态分布有关;此外,对多元正态分布,理论与实践都比较成熟,已有一整套行之有效的统计推断方法.基于这些理由,我们在介绍多元统计分析的种种具体方法之前，首先介绍多元正态分布的定义、性质及多元正态分布中参 数的估计问题. 目录 §2.1 随机向量 §2.2 多元正态分布的定义与基本性质 §2.3 条件分布和独立性 §2.4 多元正态分布的参数估计 §2.1 随机向量 本课程所讨论的是多变量总体.把p个随机变量放在一起得X=(X1,X2,…,Xp)′为一个p维随机向量,如果同时对p维总体进行一次观测,得一个样品为p维数据.常把n个样品排成一个n×p矩阵,称为样本资料阵.

?? ? ? ?? ??'''= ?????? ??=)()2()1(2 1 2222111211n np n n p p X X X x x x x x x x x x X def =(X 1,X 2,…,X p ) 其中 X(i)( i =1,…,n)是来自p 维总体的一个样品. 在多元统计分析中涉及到的都是随机向量,或是多个随机向量放在一起组成的随机矩阵. 本节有关随机向量的一些概念(联合分布,边缘分布,条件分布,独立性;X 的均值向量,X 的协差阵和相关阵,X 与Y 的协差阵)要求大家自已复习. 三﹑ 均值向量和协方差阵的性质 (1) 设X ,Y 为随机向量,A ,B 为常数阵,则 E(AX )=A·E(X )， E(AXB )=A·E(X )·B D(AX)=A·D(X)·A' COV(AX,BY)=A·COV(X,Y)·B' (2) 若X,Y 相互独立,则COV(X,Y)=O;反之不成立. 若COV(X,Y)=O,我们称X 与Y 不相关.故有: 两随机向量若相互独立,则必不相关;

指数分布定义

概率密度函数 累积分布函数 [1] 期望值： 方差：

若随机变量x服从参数为λ的指数分布，则记为X~ e(λ). 3特性 无记忆性 指数函数的一个重要特征是无记忆性（Memoryless Property，又称遗失记忆性）。这表示如果一个随机变量呈指数分布 当s,t≥0时有P(T>s+t|T>t)=P(T>s) 分位数 率参数λ的四分位数函数（Quartile function）是： F^-1(P;λ)= -LN(1-P)\λ 第一四分位数：ln(4/3)\λ 中位数：ln(2)\λ 第三四分位数：ln(4)/λ 4分布 在概率论和统计学中，指数分布（Exponential distribution）是一种连续概率分布。指数分布可以用来表示独立随机事件发生的时间间隔，比如旅客进机场的时间间隔、中文维基百科新条目出现的时间间隔等等。 许多电子产品的寿命分布一般服从指数分布。有的系统的寿命分布也可用指数分布来近似。它在可靠性研究中是最常用的一种分布形式。指数分布是伽玛分布和威布尔分布的特殊情况，产品的失效是偶然失效时，其寿命服从指数分布。 指数分布可以看作当威布尔分布中的形状系数等于1的特殊分布，指数分布的失效率是与时间t无关的常数，所以分布函数简单。

在电子元器件的可靠性研究中，通常用于描述对发生的缺陷数或系统故障数的测量结果。这种分布表现为均值越小，分布偏斜的越厉害。 指数分布应用广泛，在日本的工业标准和美国军用标准中，半导体器件的抽验方案都是采用指数分布。此外，指数分布还用来描述大型复杂系统（如计算机）的平均故障间隔时间MTBF的失效分布。但是，由于指数分布具有缺乏“记忆”的特性．因而限制了它在机械可靠性研究中的应用，所谓缺乏“记忆”，是指某种产品或零件经过一段时间t0的工作后,仍然如同新的产品一样,不影响以后的工作寿命值，或者说，经过一段时间t0的工作之后，该产品的寿命分布与原来还未工作时的寿命分布相同，显然，指数分布的这种特性，与机械零件的疲劳、磨损、腐蚀、蠕变等损伤过程的实际情况是完全矛盾的，它违背了产品损伤累积和老化这一过程。所以，指数分布不能作为机械零件功能参数的分布形式。 指数分布虽然不能作为机械零件功能参数的分布规律，但是，它可以近似地作为高可靠性的复杂部件、机器或系统的失效分布模型，特别是在部件或机器的整机试验中得到广泛的应用。 指数分布比幂分布趋近0的速度慢很多,所以有一条很长的尾巴。指数分布很多时候被认为是长尾分布。互联网网页链接的出度入度符合指数分布 指数分布的参数为λ，则指数分布的期望为1/λ，方差为(1/λ)的平方。

参数估计在实际问题中当所研究的总体分布类型已知但分布

第六章 参数估计 在实际问题中, 当所研究的总体分布类型已知, 但分布中含有一个或多个未知参数时, 如何根据样本来估计未知参数，这就是参数估计问题. 参数估计问题分为点估计问题与区间估计问题两类. 所谓点估计就是用某一个函数值作为总体未知参数的估计值；区间估计就是对于未知参数给出一个范围，并且在一定的可靠度下使这个范围包含未知参数. 例如, 灯泡的寿命X 是一个总体, 根据实际经验知道, X 服从),(2σμN , 但对每一批灯泡而言, 参数2,σμ是未知的,要写出具体的分布函数, 就必须确定出参数. 此类问题就属于参数估计问题. 参数估计问题的一般提法: 设有一个统计总体, 总体的分布函数为),(θx F , 其中θ为未知参数(θ可以是向量). 现从该总体中随机地抽样, 得一样本 n X X X ,,,21 , 再依据该样本对参数θ作出估计, 或估计参数θ的某已知函数).(θg 第一节 点估计问题概述 内容分布图示 ★ 引言 ★ 点估计的概念 ★ 例1 ★ 评价估计量的标准 ★ 无偏性 ★ 例2 ★ 例3 ★ 有效性 ★ 例4 ★ 例5 ★ 例6 ★ 相合性 ★ 例7 ★ 例8 ★ 内容小结 ★ 课堂练习 ★ 习题6-1 内容要点： 一、点估计的概念 设n X X X ,,,21 是取自总体X 的一个样本, n x x x ,,,21 是相应的一个样本值. θ是总体分布中的未知参数, 为估计未知参数θ, 需构造一个适当的统计量 ),,,,(?2 1 n X X X θ 然后用其观察值 ),,,(?21n x x x θ 来估计θ的值. 称),,,(?21n X X X θ为θ的估计量. 称),,,(?21n x x x θ为θ的估计值. 在不致混淆的情况下, 估计量与估计值统称为点估计,简称为估计, 并简记为θ?. 注: 估计量),,,(?21n X X X θ是一个随机变量, 是样本的函数，即是一个统计量, 对不同的样本值, θ的估计值θ?一般是不同的. 二、评价估计量的标准 从例1可见,参数点估计的概念相当宽松, 对同一参数,可用不同的方法来估计, 因而得到不同的估计量, 故有必要建立一些评价估计量好坏的标准. 估计量的评价一般有三条标准:

集总参数和分布参数

集总参数和分布参数 组成电路模型的元件，都是能反映实际电路中元件主要物理特征的理想元件，由于电路中实际元件在工作过程中和电磁现象有关，因此有三种最基本的理想电路元件：表示消耗电能的理想电阻元件R；表示贮存电场能的理想电容元件C；表示贮存磁场能的理想电感元件L，当实际电路的尺寸远小于电路工作时电磁波的波长时，可以把元件的作用集总在一起，用一个或有限个R、L、C元件来加以描述，这样的电路参数叫做集总参数。而集总参数元件则是每一个具有两个端钮的元件，从一个端钮流入的电流等于从另一个端钮流出的电流；端钮间的电压为单值量。 参数的分布性指电路中同一瞬间相邻两点的电位和电流都不相同。这说明分布参数电路中的电压和电流除了是时间的函数外，还是空间坐标的函数。 一个电路应该作为集总参数电路，还是作为分布参数电路，或者说，要不要考虑参数的分布性，取决于其本身的线性尺寸与表征其内部电磁过程的电压、电流的波长之间的关系。若用 l表示电路本身的最大线性尺寸，用λ表示电压或电流的波长，则当不等式 λ>>l 成立，电路便可视为集总参数电路，否则便需作为分布参数电路处理。电力系统中，远距离的高压电力传输线即是典型的分布参数电路，因50赫芝的电流、电压其波长虽为 6000 千米，但线路长度达几百甚至几千千米，已可与波长相比。通信系统中发射天线等的实际尺寸虽不太长，但发射信号频率高、波长短，也应作分布参数电路处理。 研究分布参数电路时，常以具有两条平行导线、而且参数沿线均匀分布的传输线为对象。这种传输线称为均匀传输线（或均匀长线）。作这样的选择是因为实际应用的传输线可以等效转换成具有两条平行导线形式的传输线，而且这种均匀的传输线容易分析。 传输线是传送能量或信号的各种传输线的总称。其中包括电力传输线、电信传输线、天线等。传输线又称长线。由于它具有在空间某个方向上其长度已可与其内部电压、电流的波长相比拟，而必须考虑参数分布性的特征，所以是典型的分布参数电路。在电路理论中讨论传输线时以均匀传输线作为对象。均匀传输线是指参数沿线均匀分布的二线传输线,其基本参数,或称原参数是R0、L0、C0和G0。其中R0代表单位长度线（包括来线与回线）的电阻；L0代表单位长度来线与回线形成的电感；C0和G0分别代表单位长度来线与回线间的电容和

粒度参数特征

2）粒度参数 碎屑粒度分析数据主要用于分析岩石的沉积环境及沉积条件，主要参数包括粒 度中值、偏度、峰度、标准偏差、分选系数等。 粒度中值是选取样品中的一个粒度值，大于此粒度值的颗粒数占50%，小于此 粒度值的颗粒数也占50%，于是我们就称这个粒度值为粒度中值。粒度累积 分选系数指粒度累积曲线上25％和75％处所对应的颗粒直径的比值。是表示 碎屑沉积物(岩)分选性的一种参数。其公式为： 式中：So——分选系数，无因次： P25——累计曲线上的25％处对应的颗粒直径，mm； R75——累计曲线上75％处对应的颗粒直径，mm。。 当颗粒分选很好时，P25和P75两值很靠近，所以SO值就接近于1。 以每个直线段的陡缓反映分选好坏。线段陡（＞500～600）分选好，线段 平缓（200～300）分选差。 标准偏差标准偏差越小，这些值偏离平均值就越少，分选越好。 φ16、φ50和φ84分别代表累积曲线上百分含量为16%、50%、84%三处的粒径（φ值）。 偏度、峰度更能反映尾部变化。中央组分代表了原沉积环境的分选性，而尾部反映 后期沉积环境对沉积物的改造。若中央峰值高，展开度窄，说明分选好。 偏度是统计数据分布偏斜方向和程度的度量，是统计数据分布非对称程度 的数字特征。 又称峰态系数。表征概率密度分布曲线在平均值处峰值高低的特征数。直 观看来，峰度反映了尾部的厚度。 （1）砾岩粒度参数特征

（2）砂岩粒度参数特征 （3）粉砂岩粒度参数 区别：该事件实际发生的次数与试验总次数的比值。由于观察的时间有长短，随机事件的发生与否也有随机性，所以在不同的试验中，同一个事件发生的频率可 以彼此不相等。.概率被用来表示一个事件发生的可能性的大小。如果一个事件是必然事件，它发生的概率就是1，例如：抛掷一枚均匀的硬币，硬币落地后“正面1 朝上”的概率是1/2。当试验次数较少的时候，“正面朝上”的频率有可能是0，也 有可能是l或其它数，但是经过多次重复试验后，“正面朝上”的频率会稳定在1/2。 频率与概率的联系即用频率来估计概率。谁也无法预测随机事件在每次试验中是否会发生，但是在相同的条件下进行多次重复试验后，事件出现的频率会逐渐稳定，稳定后的频率可以作为概率的估计值。反之，如果知道一个事件发生的概率， 就可以由此推断：在多次重复试验后该事件发生的频率将接近其概率。但是：用试 验的方法得出的频率只是概率的估计值，要想得到近似程度较高的概率估计值，通 常需要经过大量的重复试验。 （三）粒度曲线和粒度参数 常用的粒度曲线包括：直方图、频率曲线、累积曲线、概率累积 曲线。

指数分布应用 ()

指数分布相关问题一. 在概率论中有一种分布是指数分布，其概率密度函数为 f(x)=λe^(-λ) x>0 (0 x<=0 ) 这种分布具有无记忆性，和寿命分布类似。举个例子来说就是，一个人已经活了20岁和他还能再活20岁这两件事是没有关系的。因此指数分布也被戏称为“永远年轻”。另外正态分布也用到了指数函数，只不过表达式比较复杂，这在高中数学中也有涉及到。 二. 在复变函数中，也经常用到指数形式表示一个负数。比如说1+i=根号2*e^(πi/4) 这是根据著名的欧拉公式得到的：cosa+isina=e^(ai),当然复指数与实数范围内的指数有很多不同的地方，在复变函数中还会学深入的学到。 复指数在信号的频谱分析中还有很重要的应用，要研究一个周期信号的还有那些频率分量就要把它展开成若干个复指数函数的线性组合，这个过程叫傅里叶分解，是法国数学家、物理学家傅里叶（Fourier）发现的。学习电信类的相关专业会对信号的分析有一个系统的学习。 幂函数最重要的应用就是级数。不严谨的说，就是把一个函数展开成无穷项等比数列求和的形式，只不过每项都是关于x的幂函数，利用这个幂级数，可以把任意一个函数表示成多项式，方便近似计算。另外，刚才提到的傅里叶分解也就是把一个周期函数（信号）展开成傅里叶级数。如果函数是非周期的（即周期无限大）这个过程就叫做傅里叶变换。 指数分布的应用: 一. 许多电子产品的寿命分布一般服从指数分布。有的系统的寿命分布也可用指数分布来近似。它在可靠性研究中是最常用的一种分布形式。指数分布是伽玛分布和威布尔分布的特殊情况，产品的失效是偶然失效时，其寿命服从指数分布。 指数分布可以看作当威布尔分布中的形状系数等于1的特殊分布，指数分布的失效率是与时间t无关的常数，所以分布函数简单。 二. 在电子元器件的可靠性研究中，指数分布应用广泛，在日本的工业标准和美国军用标准中，半导体器件的抽验方案都是采用指数分布。此外，指数分布还用来描述大型复杂系统（如计算机）的故障间隔时间的失效分布。但是，由于指数分布具有缺乏“记忆”的特性．因而限制了它在机械可靠性研究中的应用，所谓缺乏“记忆”，是指某种产品或零件经过一段时间t0的工作后,仍然如同新的产品一样,不影响以后的工作寿命值，或者说，经过一段时间t0的工作之后，该产品的寿命分布与原来还未工作时的寿命分布相同，显然，指数分布的这种特性，与机械零件的疲劳、磨损、腐蚀、蠕变等损伤过程的实际情况是完全矛盾的，它违背了产品损伤累积和老化这一过程。所以，指数分布不能作为机械零件功能参数的分布形式。 指数分布虽然不能作为机械零件功能参数的分布规律，但是，它可以近似地作为高可靠性的复杂部件、机器或系统的失效分布模型，特别是在部件或机器的整机试验中得到广泛的应用。 三. 排队论，也称随机服务系统理论。排队是在日常生活中经常遇到的现象，在医院中，目前要求服务的数量通常都超过服务机构的容量。对服务系统进行定量分析，综合平衡患者与服机构的设置，以期提高服务质量。

什么是集总参数和分布参数

什么是集总参数和分布参数 什么是集总参数和分布参数 组成电路模型的元件，都是能反映实际电路中元件主要物理特征的理想元件，由于电路中实际元件在工作过程中和电磁现象有关，因此有三种最基本的理想电路元件：表示消耗电能的理想电阻元件R；表示贮存电场能的理想电容元件C；表示贮存磁场能的理想电感元件L，当实际电路的尺寸远小于电路工作时电磁波的波长时，可以把元件的作用集总在一起，用一个或有限个R、L、C元件来加以描述，这样的电路参数叫做集总参数。而集总参数元件则是每一个具有两个端钮的元件，从一个端钮流入的电流等于从另一个端钮流出的电流；端钮间的电压为单值量。 参数的分布性指电路中同一瞬间相邻两点的电位和电流都不相同。这说明分布参数电路中的电压和电流除了是时间的函数外，还是空间坐标的函数。 一个电路应该作为集总参数电路，还是作为分布参数电路，或者说，要不要考虑参数的分布性，取决于其本身的线性尺寸与表征其内部电磁过程的电压、电流的波长之间的关系。若用l表示电路本身的最大线性尺寸，用λ表示电压或电流的波长，则当不等式λ>>l 成立，电路便可视为集总参数电路，否则便需作为分布参数电路处理。电力系统中，远距离的高压电力传输线即是典型的分布参数电路，因50赫芝的电流、电压其波长虽为6000 千米，但线路长度达几百甚至几千千米，已可与波长相比。通信系统中发射天线等的实际尺寸虽不太长，但发射信号频率高、波长短，也应作分布参数电路处理。 研究分布参数电路时，常以具有两条平行导线、而且参数沿线均匀分布的传输线为对象。这种传输线称为均匀传输线（或均匀长线）。作这样的选择是因为实际应用的传输线可以等效转换成具有两条平行导线形式的传输线，而且这种均匀的传输线容易分析。 传输线是传送能量或信号的各种传输线的总称。其中包括电力传输线、电信传输线、天线等。传输线又称长线。由于它具有在空间某个方向上其长度已可与其内部电压、电流的波长相比拟，而必须考虑参数分布性的特征，所以是典型的分布参数电路。在电路理论中讨论传输线时以均匀传输线作为对象。均匀传输线是指参数沿线均匀分布的二线传输线,其基本参数,或称原参数是R0、L0、C0和G0。其中R0 代表单位长度线（包括来线与回线）的电阻；L0代表单位长度来线与回线形成的电感；C0和G0分别代表单位长度来线与回线间的电容和漏电导。这些参数是由导线所用的材料、截面的几何形状与尺寸、导线间的距离，以及导线周围介质决定的。在高频和低频高电压下它们都有近似的计算公式。

Gamma分布与指数分布

Gamma分布与指数分布 "Gamma分布gamma distribution; form of gamma distribution;" 在学术文献中的解释 1、在地震序列的有序性、地震发生率的齐次性、计数特征具有独立增量和平稳增量情况下,可以导出地震发生i次时间的概率密度为Gamma密度函数(亦称为Gamma分布) Γ(x)称为伽马函数，它是用一个积分式定义的，不是初等函数。伽马函数有性质：Γ(x+1)=xΓ(x)，Γ(0)=1，Γ(1/2)=√π，对正整数n，有Γ(n+1)=n！伽马分布里面Γ(α,β)（分布函数已经了解）。α,β个指代何种意义的参数？比如在化工里面有这样一个问题，说反应器管道的长度L服从Γ(α,β)分布，那么α,β是和管道形状和尺度相关的参数。α,β是两个分布调整参量，该分布的期望=C+(α/β),也就是说α/β调整期望；分布的方差=α/β^2，由此并不需要单独定义二者，应该共同对分布起作用！ 伽马函数Γ（z）的定义域是，C-{-n,n=0,1,2,...},其中C为复数域， Re（z）>0时，常见的积分是收敛，也就是说Γ（z）可用常见的积分定义。 如1种常见的积分：Γ（z）=∫{0

均值是a/入 方差是a/(入^2) 指数分布 如果随机变量X的概率密度为 公式 P（X≥0）=λ乘以(e的－λX次方）;p(x<0)=0 则称X遵从指数分布（参数为λ）。 在概率论和统计学中，指数分布（Exponential distribution）是一种连续概率分布。指数分布可以用来表示独立随机事件发生的时间间隔，比如旅客进机场的时间间隔、中文维基百科新条目出现的时间间隔等等。 许多电子产品的寿命分布一般服从指数分布。有的系统的寿命分布也可用指数分布来近似。它在可靠性研究中是最常用的一种分布形式。指数分布是伽玛分布和威布尔分布的特殊情况，产品的失效是偶然失效时，其寿命服从指数分布。 指数分布可以看作当威布尔分布中的形状系数等于1的特殊分布，指数分布的失效率是与时间t无关的常数，所以分布函数简单。

集总参数和分布参数

集总参数和分布参数 组成电路模型的元件，都是能反映实际电路中元件主要物理特征的理想元件，由于电路中实际元件在工作过程中和电磁现象有关，因此有三种最基本的理想电路元件：表示消耗电能的理想电阻元件R；表示贮存电场能的理想电容元件C；表示贮存磁场能的理想电感元件L，当实际电路的尺寸远小于电路工作时电磁波的波长时，可以把元件的作用集总在一起，用一个或有限个R、L、C元件来加以描述，这样的电路参数叫做集总参数。而集总参数元件则是每一个具有两个端钮的元件，从一个端钮流入的电流等于从另一个端钮流出的电流；端钮间的电压为单值量。 参数的分布性指电路中同一瞬间相邻两点的电位和电流都不相同。这说明分布参数电路中的电压和电流除了是时间的函数外，还是空间坐标的函数。 一个电路应该作为集总参数电路，还是作为分布参数电路，或者说，要不要考虑参数的分布性，取决于其本身的线性尺寸与表征其内部电磁过程的电压、电流的波长之间的关系。若用 l表示电路本身的最大线性尺寸，用λ表示电压或电流的波长，则当不等式λ>>l 成立，电路便可视为集总参数电路，否则便需作为分布参数电路处理。电力系统中，远距离的高压电力传输线即是典型的分布参数电路，因50赫芝的电流、电压其波长虽为 6000 千米，但线路长度达几百甚至几千千米，已可与波长相比。通信系统中发射天线等的实际尺寸虽不太长，但发射信号频率高、波长短，也应作分布参数电路处理。 研究分布参数电路时，常以具有两条平行导线、而且参数沿线均匀分布的传输线为对象。这种传输线称为均匀传输线（或均匀长线）。作这样的选择是因为实际应用的传输线可以等效转换成具有两条平行导线形式的传输线，而且这种均匀的传输线容易分析。 传输线是传送能量或信号的各种传输线的总称。其中包括电力传输线、电信传输线、天线等。传输线又称长线。由于它具有在空间某个方向上其长度已可与其内部电压、电流的波长相比拟，而必须考虑参数分布性的特征，所以是典型的分布参数电路。在电路理论中讨论传输线时以均匀传输线作为对象。均匀传输线是指参数沿线均匀分布的二线传输线,其基本参数,或称原参数是R0、L0、C0和G0。其中R0 代表单位长度线（包括来线与回线）的电阻；L0代表单位长度来线与回线形成的电感；C0和G0分别代表单位长度来线与回线间的电容和漏电导。这些参数是由导线所用的材料、截面的几何形状与尺寸、导线间的距离，以及导线周围介质决定的。在高频和低频高电压下它们都有近似的计算公式。

集总参数与分布参数

集总参数和分布参数 理想元件是抽象的模型，没有体积和大小，其特性集中表现在空间的一个点上，称为集总参数元件。其特点：集总参数元件的电磁过程都分别集中在元件内部进行。 集总电路（Lumped circuit）：在一般的电路分析中,电路的所有参数,如阻抗、容抗、感抗都集中于空间的各个点上,各个元件上,各点之间的信号是瞬间传递的,这种理想化的电路模型称为集总电路。 这类电路所涉及电路元件的电磁过程都集中在元件内部进行。用集总电路近似实际电路是有条件的，这个条件是实际电路的尺寸要远小于电路工作时的电磁波长。 对于集总参数电路，由基尔霍夫定律唯一地确定了结构约束（又称拓扑约束，即元件间的联接关系决定电压和电流必须遵循的一类关系）。 集总参数元件是指有关电、磁场物理现象都由元件来“集总”表征。在元件外部不存在任何电场与磁场。如果元件外部有电场，进、出端子的电流就有可能不同；如果元件外部有磁场，两个端子之间的电压就可能不是单值的。集总（参数）元件假定：在任何时刻，流入二端元件的一个端子的电流一定等于从另一端流出的电流，且两个端子之间的电压为单值量。由集总元件构成的电路称为集总电路，或称具有集总参数的电路。 组成电路模型的元件，都是能反映实际电路中元件主要物理特征的理想元件，由于电路中实际元件在工作过程中和电磁现象有关，因此有三种最基本的理想电路元件：表示消耗电能的理想电阻元件R；表示贮存电场能的理想电容元件C；表示贮存磁场能的理想电感元件L，当实际电路的尺寸远小于电路工作时电磁波的波长时，可以把元件的作用集总在一起，用一个或有限个R、L、C元件来加以描述，这样的电路参数叫做集总参数。而集总参数元件则是每一个具有两个端钮的元件，从一个端钮流入的电流等于从另一个端钮流出的电流；端钮间的电压为单值量。 参数的分布性指电路中同一瞬间相邻两点的电位和电流都不相同。这说明分布参数电路中的电压和电流除了是时间的函数外，还是空间坐标的函数。 一个电路应该作为集总参数电路，还是作为分布参数电路，或者说，要不要考虑参数的分布性，取决于其本身的线性尺寸与表征其内部电磁过程的电压、电流的波长之间的关系。若用 L表示电路本身的最大线性尺寸，用λ表示电压或电流的波长，则当不等式λ>>L成立，电路便可视为集总参数电路，否则便需作为分布参数电路处理。电力系统中，远距离的高压电力传输线即是典型的分布参数电路，因50赫兹的电流、电压其波长虽为 6000 千米，

指数分布

指数分布是连续型随机变量，指数分布具有无记忆性，指数分布是特殊的gamma分布。 指数分布（Exponential distribution）是一种连续概率分布。指数分布可以用来表示独立随机事件发生的时间间隔，比如旅客进机场的时间间隔、中文维基百科新条目出现的时间间隔等等。 指数分布的定义形式： λ就表示平均每单位时间发生该事件的次数，是指数函数的分布参数；f(x:λ) = λe^(-λx),表示在该时刻发生时间的概率。比如放射性衰变就遵循这一分布，这里的半衰期就对应1/λ.

指数分布的期望为1/Lamta,方差为1/Lamta^2。 指数分布中最关键的一点，如何理解率参数。给定独立同分布样本x= (x1, ...,x n)，最大化似然概率得到参数的似然值为： lamta^ = 1/x; 指数分布表示随机变量的概率只与时间间隔有关，而与时间起点无关。数学语言表达为： p(T>s+t | T >t ) = p(T>s) for all s,t >= 0 指数分布常用来描述“寿命”类随机变量的分布，例如家电使用寿命，动植物寿命，电话问题里的通话时间等等。“寿命”类分布的方差非常大，以致于 已经使用的时间是可以忽略不计的。 例如有一种电池标称可以充放电500次（平均寿命），但实际上，很多充放电次数数倍于500次的电池仍然在正常使用，也用很多电池没有使用几次

就坏了——这是正常的，不是厂方欺骗你，是因为方差太大的缘故。随机取一节电池，求它还能继续使用300次的概率，我们认为与这节电池是否使用过与曾经使用过多少次是没有关系的。 有人戏称服从指数分布的随机变量是“永远年轻的”，一个60岁的老人与一个刚出生的婴儿，他们能够再活十年的概率是相等的，你相信吗？——如果人的寿命确实是服从指数分布的话，回答是肯定的。 贴一道题加深理解

Poisson分布的参数估计

Poisson 分布的参数估计 作者：高晨 指导老师：戴林送 摘要 泊松分布是概率统计学科中一种重要的离散分布，在参数估计这块，对点估计，矩估计，最大似然 估计以及近似的区间估计等，该文中对泊松分布的相关知识，包括其性质，参数的相关估计，研究了泊松分布的一些性质，参数的估计，以及一些在生活中的简单应用。 关键词 P o i s s o 分布 参数估计 性质 简单应用 1 引言 Poisson 分布是离散型随机变量X 作为大量试验中稀有事件出现的频数的概率分布的数学模型，其中X 可能取值为0，1，2，……而取各个值的概率为： {},0,1,2! k e P x k k k λ λ-== = 其中0λ>是常数，称X 服从参数为λ的泊松~(;)X P k x . 1.1相关定义 1. 离散型随机变量X 的函数分布律{},0,1,2k k P X x P k === ，若级数1k k k x p ∞ =∑绝 对收敛，称级数 1 k k k x p ∞ =∑为随机变量X 的数学期望[]E x ， []E x =1k k k x p ∞ =∑. 2. 定理：Y 是随机变量X 的函数，(),(Y g x g =是连续函数），X 是离散型随机变量， 若 1 ()k k k g x p ∞ =∑绝对收敛，则 [][()]E Y E g x ==1 ()k k k g x p ∞ =∑. 3. 随机变量X ，若2{[()]}E X E X -存在，则称2{[()]}E X E X -为X 的方差，记 为()D x 或()Var x ，即 ()D x =()Var x =2{[()]}E X E X -.