目录

  • 1 概率论的基本概念
    • 1.1 随机试验
    • 1.2 样本空间、随机事件
    • 1.3 频率与概率
    • 1.4 等可能概型(古典概型)
    • 1.5 条件概率
    • 1.6 独立性
  • 2 随机变量及其分布
    • 2.1 随机变量
    • 2.2 离散型随机变量及其分布
    • 2.3 随机变量的分布函数
    • 2.4 连续型随机变量及其概率密度
    • 2.5 随机变量的函数的分布
  • 3 多维随机变量及其分布
    • 3.1 二维随机变量
    • 3.2 边缘分布
    • 3.3 新建目录
    • 3.4 新建目录
    • 3.5 二维随机变量的特征数
  • 4 随机变量的数字特征
    • 4.1 数学期望
    • 4.2 随机变量的数字特征
    • 4.3 协方差及相关系数
    • 4.4 矩、协方差矩阵
  • 5 大数定律与中心极限定理
    • 5.1 大数定律
    • 5.2 中心极限定理
  • 6 统计量及其分布
    • 6.1 样本数据的整理与显示
    • 6.2 统计量及其分布
  • 7 参数估计
    • 7.1 点估计得几种方法
    • 7.2 点估计的评价标准
    • 7.3 区间估计
  • 8 假设检验
    • 8.1 假设检验的基本思想与概念
    • 8.2 正态总体参数假设检验
  • 9 基于R语言的实验
    • 9.1 R语言介绍
    • 9.2 R软件下载与安装
    • 9.3 初识R软件
    • 9.4 蒲丰投针的计算
    • 9.5 同一天生日的计算
    • 9.6 抛硬币和骰子
    • 9.7 两点分布
    • 9.8 二项分布
    • 9.9 泊松分布
    • 9.10 正态分布
    • 9.11 指数分布
指数分布

9.11 The Exponential Distribution

Another very common continuous distribution is called the exponential distribution. We can sample from the exponential distribution using the rexp() function. It takes two arguments:

  • n: how many data points we want to sample

  • rate: the rate that “successes” occur

rexp(n = 5, rate = 0.2)
## [1]  2.060884  7.210729  4.326803 31.713820  2.143409

Since the exponential distribution is continuous, we use a histogram to plot the data. We sample 10,000 data points from this rate = 0.2 exponential distribution:

data = rexp(n = 10000, rate = 0.2)
hist(data, main = "Histogram of Exp(rate = 0.2)")

The exponential PDF can be plotted with:

curve(dexp(x, rate = 0.2), 
      xlim = c(0, 50),
      main = "PDF of Exp(rate = 0.2)", ylab = "Density")

And the exponential CDF with:

curve(pexp(x, rate = 0.2), 
      xlim = c(0, 50),
      main = "CDF of Exp(rate = 0.2)", ylab = "Probability")