指数分布的期望

引言

指数分布是一种在概率论和统计学中广泛应用的连续概率分布。它通常用于描述某些随机事件发生的时间间隔，例如电话呼叫的间隔时间、电子元件的寿命等。本文将详细讨论指数分布的期望及其计算方法。

指数分布的定义

如果一个非负随机变量 $X$ 具有概率密度函数：

$$ f(x; \lambda) = \begin{cases} \lambda e^{-\lambda x}, & x \geq 0 \ 0, & x < 0 \end{cases} $$

其中 $\lambda > 0$ 是分布的参数（也称为率参数），则称 $X$ 服从参数为 $\lambda$ 的指数分布，记作 $X \sim \text{Exp}(\lambda)$。

期望的计算

定义与公式

数学期望是随机变量的一个重要特征，表示随机变量取值的平均值。对于连续型随机变量 $X$，其数学期望 $E[X]$ 通常通过以下积分计算：

$$ E[X] = \int_{-\infty}^{\infty} xf(x) , dx $$

指数分布的期望

将指数分布的概率密度函数代入上述期望公式中，得到：

$$ E[X] = \int_{0}^{\infty} x(\lambda e^{-\lambda x}) , dx $$

进行积分运算：

$$ E[X] = \lambda \int_{0}^{\infty} xe^{-\lambda x} , dx $$

使用分部积分法，令 $u = x$ 和 $dv = e^{-\lambda x} , dx$，则 $du = dx$ 和 $v = -\frac{1}{\lambda}e^{-\lambda x}$。根据分部积分公式 $\int u , dv = uv - \int v , du$，有：

$$ E[X] = \lambda \left[ -\frac{1}{\lambda}xe^{-\lambda x} \Bigg|{0}^{\infty} + \int{0}^{\infty} \frac{1}{\lambda}e^{-\lambda x} , dx \right] $$

化简得：

$$ E[X] = -\left[ xe^{-\lambda x} \Bigg|{0}^{\infty} \right] + \int{0}^{\infty} e^{-\lambda x} , dx $$

由于 $xe^{-\lambda x}$ 在 $x=0$ 时为0，且当 $x \to \infty$ 时趋于0，所以第一项为0。因此：

$$ E[X] = \int_{0}^{\infty} e^{-\lambda x} , dx = -\frac{1}{\lambda}e^{-\lambda x} \Bigg|_{0}^{\infty} = -\left[ 0 - \frac{1}{\lambda} \right] = \frac{1}{\lambda} $$

结论

因此，参数为 $\lambda$ 的指数分布的期望值为 $\frac{1}{\lambda}$。这一结果在实际应用中具有重要意义，因为它提供了对随机事件发生时间间隔平均值的直接估计。