寿命分布 4种[Weibull, 指数, 正态，对数正态]

1. Weibull分布

x是随机变量
k＞0是形状参数（shape parameter）
λ＞0是比例参数（scale parameter）

当k=1，它是指数分布；k=2时，是Rayleigh distribution(瑞利分布)。

Weibull分布
python绘weibull曲线
weibull参数估计
%-----------------------------------------------------------------------------------------------------%
Weibull参数估计总结全

2. 指数分布

泊松分布与指数分布连续关系
两次卖出馒头之间的时间间隔大于t 的概率
(等价于t 时间内没有卖出一个馒头的概率，而后者的概率可以由泊松过程给出)

指数分布：积分过程
均值
方差

⋅\cdot⋅ 泊松分布 离散

E(X)=λ\lambdaλ \quad D(X)=λ\lambdaλ
⋅\cdot⋅ 泊松过程

3. 正态分布

4. 对数正态分布

5. 离散概率分布

伯努利分布、二项分布、泊松分布.

6. 特征函数

二项、泊松、正态分布

附录：

⋅\cdot⋅ 一些累积分布函数

⋅\cdot⋅ 12个常用概率分布

⋅\cdot⋅ 8个常用概率分布均值和方差

寿命分布 4种[Weibull, 指数, 正态，对数正态]相关推荐

对数正态lognormal分布图像
在概率论与统计学中, 对数正态分布是对数为正态分布的任意随机变量的概率分布.如果 X 是服从正态分布的随机变量,则 exp( X) 服从对数正态分布:同样,如果 Y 服从对数正态分布,则 ln( ...
为什么说阿里财报是一种“信心指数”？
稳稳的!中国零售市场移动月活跃用户增长2800万至8.74亿,7.42亿年度活跃消费者,来自淘宝直播的GMV持续同比增长超过100%......出自阿里巴巴(09988.HK)最新一季财报的系列指标性 ...
交叉熵损失函数的通用性（为什么深度学习DL普遍用它）：预测输出与 y 差得越多，L 的值越大，也就是说对当前模型的 “ 惩罚 ” 越大，而且是非线性增大是一种类似指数增长的级别，结论：它对结果有引导性
交叉熵损失函数的通用性(为什么深度学习DL普遍用它):预测输出与 y 差得越多,L 的值越大,也就是说对当前模型的 " 惩罚 " 越大,而且是非线性增大是一种类似指数增长的级别,结 ...
Linux用户态与内核态通信的几种方式（待完善）
文章目录 1. 内核启动参数 2.模块参数与sysfs 3.sysctl 4.系统调用 5.netlink 6. procfs(/proc) 7.seq_file 8.debugfs 9.relayf ...
CPU的两种工作状态——系统态和用户态
CPU的两个工作状态,也就是处理器的两种执行状态. 在一个系统中既有操作系统的程序,也由普通用户的程序.众多的指令中,有些指令只能由系统来使用,禁止用户程序去直接访问.为了保证操作系统和各个应用程序能 ...
ioctrl原形 linux_Linux常见的几种用户态与内核态交互方式优缺点
背景由于Linux 系统分为了用户态和内核态,用户态在设计初衷就是运行与硬件无关的应用程序,与硬件相关的操作大部分都集中在内核态处理.所以用户态如果需要获取硬件信息,或者操作硬件,必须要通过某种方式 ...
linux内核态用户态交互,Linux用户态和内核态交互的几种方式
创建于 2013-04-13 迁移自本人的百度空间 -------------------------------- 1/内核态->用户态在kernel module中调用printk是最简单 ...
【HDU - 5963】朋友（博弈，思维，必胜态必败态，找规律）
题干: B君在围观一群男生和一群女生玩游戏,具体来说游戏是这样的: 给出一棵n个节点的树,这棵树的每条边有一个权值,这个权值只可能是0或1. 在一局游戏开始时,会确定一个节点作为根.接下来从女生开始, ...
用户态与内核态文件流与文件描述符简介【转】
转自:https://www.cnblogs.com/Jimmy1988/p/7479856.html 用户态和内核态程序代码的依赖和调用关系如下图所示: Lib:标准ASCI C函数,几乎所有的平 ...