Khác biệt giữa bản sửa đổi của “Phân phối mũ”
Nội dung được xóa Nội dung được thêm vào
n Robot: Tự động sửa văn bản (-[[Category: +[[Thể loại: & -[[Image +[[Hình & -|thumb| +|nhỏ| & -|left| +|trái| & -|right| +|phải| & -Ð +Đ & -mô tả +miêu tả & - , +, ) |
|||
Dòng 5:
name =Phân phối mũ|
type =mật độ|
pdf_image =[[
cdf_image =[[
parameters =<math>\lambda > 0 \,</math>, [[tham số tỉ lệ]] ([[số thực]])|
support =<math>x \in [0;\infty)\!</math>|
Dòng 59:
==Ứng dụng==
Phân phối mũ được dùng để mô hình các [[quá trình Poisson]], đó là các tình huống mà khi đó một đối tượng đang ở trạng thái A có thể chuyển sang trạng thái B với xác suất không đổi λ trong mỗi đơn vị thời gian. Thời điểm thay đổi trạng thái được
Phân phối mũ có thể được xem là một phân bố liên tục tương ứng với [[phân bố hình học]]. Phân bố hình học
Trong các tình huống thực, giả thuyết về một tỉ lệ hằng số (hay xác suất không đổi trong một đơn vị thời gian) hiếm khi được thỏa mãn. Ví dụ, tỉ lệ các cuộc điện thoại gọi đến thay đổi theo thời gian trong ngày. Tuy nhiên, nếu ta tập trung vào một khoảng thời gian khi tỉ lệ đó khá gần với hằng số, chẳng hạn từ 2 đến 4 giờ chiều trong ngày làm việc, phân phối mũ có thể là mô hình xấp xỉ tốt cho thời gian đến khi có cú điện thoại tiếp theo. Các dự đoán tương tự áp dụng cho các ví dụ sau, chúng cho ra các biến có phân bố xấp xỉ phân phối mũ:
Dòng 161:
:<math>\propto \lambda^{(\alpha+n)-1} \, \exp(-\lambda\,(\beta + n\overline{x})).</math>
Đến đây, mật độ hậu nghiệm ''p'' đã được
:<math> p(\lambda) = \mathrm{Gamma}(\lambda \,;\, \alpha + n, \beta + n \overline{x}). </math>
Dòng 198:
<references/>
[[
[[
[[de:Exponentialverteilung]]
|