HyperexponentialDistribution
HyperexponentialDistribution[{α1,…,αm},{λ1,…,λm}]
表示一个 m 相位超指数分布,其中相位概率为 αi,速率为 λi.
更多信息
- HyperexponentialDistribution 也被称为混合指数分布或者并行 m 相位指数分布.
- m 相位超指数分布可以解释为有 m 个并行服务器,其中第 i 个设备具有服务速率 λi 并且被选择的概率为 αi.
- 在指数分布中值 的概率密度是 (对于 ),而对于 概率密度是零.
- HyperexponentialDistribution 允许 αi 是任意非负数,满足 α1+⋯+αm1 并且 λi 是任意正实数.
- HyperexponentialDistribution 允许 λi 为具有相同单位量纲的量, αi 为无量纲量. »
- HyperexponentialDistribution 可以与诸如 Mean、CDF 和 RandomVariate 等函数一起使用.
背景
- HyperexponentialDistribution[{α1,…,αm},{λ1,…,λm}] 表示一个定义在区间 上的连续统计分布,它有两个向量参数 (α1,…,αm) 和 (λ1,…,λm),也被称为 相位超指数分布. 参数 αi 被称为“相位概率”,在区间 上取值并满足 ,而参数 λi 被称为“相位速率”并取正实数值. 这些参数一起决定了概率密度函数(PDF)的整体形状:大体上是单调递减的,并具有较“薄”的尾部,意思是对于较大的 值 PDF 的衰减是指数的而不是代数的.(这一行为可通过研究分布的 SurvivalFunction 做精确的定量分析.)随机变量 满足 XHyperexponentialDistribution[{α1,…,αm},{λ1,…,λm}] 有时也被称为是 阶超指数分布.
- 这一命名是因为其方差的系数(StandardDeviation 与 Mean 之比)总是大于 1(这也是任意指数分布的方差系数). 超指数分布是混合分布的一个例子并常常被认为是 ExponentialDistribution 的推广,意思是其 PDF 是指数分布密度函数之和. 因为有薄的尾部,超指数分布是研究排队系统和传感器网络的常用模型. 超指数分布的一个特有的性质是它可被用于逼近任意概率分布(即便有厚尾部的也可以),这也是用于研究网络性能模型的一个事实,用于捕获不能用精确方法定量导出的各种排队模型的性能数据. 超指数分布也被用在半导体,制造系统和计算机硬件体系结构的研究中.
- RandomVariate 可被用于给出超指数分布的一个或多个机器精度或任意精度(后者可用 WorkingPrecision 选项指定)的伪随机变量. Distributed[x,HyperexponentialDistribution[{α1,…,αm},{λ1,…,λm}]],更简洁的写法是 xHyperexponentialDistribution[{α1,…,αm},{λ1,…,λm}],可被用于声明随机变量 x 是超指数分布的. 这样一个声明之后可用在如 Probability、NProbability、Expectation 以及 NExpectation 这样的函数中.
- 概率密度函数和累积分布函数可用 PDF[HyperexponentialDistribution[{α1,…,αm},{λ1,…,λm}],x] 和 CDF[HyperexponentialDistribution[{α1,…,αm},{λ1,…,λm}],x] 求得. 平均数、中位数、方差、原点矩及中心矩可分别使用 Mean、Median、Variance、Moment 和 CentralMoment 计算.
- DistributionFitTest 可被用于测试给定的数据集是否与超指数分布一致,EstimatedDistribution 可被用于根据给定数据估算参数化超指数分布,而 FindDistributionParameters 可拟合数据和超指数分布. ProbabilityPlot 可被用于生成给定数据的 CDF 相对于符号超指数分布的 CDF 的图线,而 QuantilePlot 可被用于生成给定数据的分位数相对于符号超指数分布的分位数的图线.
- TransformedDistribution 可被用于表示转换的超指数分布,CensoredDistribution 可被用于表示删截后位于上限值和下限值之间的值分布,而 TruncatedDistribution 可被用于表示截断后位于上限值和下限值之间的值分布. CopulaDistribution 可被用于建立包含了超指数分布的高维分布,而 ProductDistribution 可被用于计算包括超指数分布在内的,若干个独立分量的联合概率分布.
- 超指数分布与许多其他分布有关. HyperexponentialDistribution 是 ExponentialDistribution 的一个显然的推广,因为指数分布 ExponentialDistribution[λ1] 既可被看作单相位的超指数分布 HyperexponentialDistribution[{1},{λ1}] 也可被看作超指数分布 HyperexponentialDistribution[{α1,α2,…,αm},{λ1,λ1,…,λ1}],后者的相位速率 λ1 全都相等. 此外,HyperexponentialDistribution 可被转换到 HypoexponentialDistribution (反之亦然);也可以从 GammaDistribution、LaplaceDistribution、BenktanderWeibullDistribution、LogisticDistribution、ParetoDistribution、PearsonDistribution、PowerDistribution 和 RayleighDistribution 这些分布和 ExponentialDistribution 的变换组合得到,变换使用 TransformedDistribution 和/或 TruncatedDistribution. 它还和其它分布中 CoxianDistribution、ExtremeValueDistribution、GumbelDistribution、FrechetDistribution 和 WeibullDistribution 有关.
范例
打开所有单元关闭所有单元范围 (8)
参数中对 Quantity 保持一致的使用将给出 QuantityDistribution:
应用 (1)
属性和关系 (6)
超指数分布的变异系数总是大于 ExponentialDistribution 的变异系数:T:
没有有效参数能使得超指数分布的变异系数小于或等于指数分布的变异系数:
单个相位的超指数分布就是 ExponentialDistribution:
具有相等相位概率的超指数分布是 ExponentialDistribution:
文本
Wolfram Research (2012),HyperexponentialDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/HyperexponentialDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2012. "HyperexponentialDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/HyperexponentialDistribution.html.
APA
Wolfram 语言. (2012). HyperexponentialDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/HyperexponentialDistribution.html 年