无记忆性与寿命分布
🏠 第17章概念导航
核心问题
一个用了 5 年的元件，和一个全新的元件，还能再用 3 年的概率一样吗？
- 若一样 → 无记忆（指数分布）；
- 若更小 → 老化（威布尔
）； - 若更大 → 越用越可靠（威布尔
，或混合分布）。
核心定义 / 定理 / 结论
定义与刻画
记生存函数
离散版：
两种无记忆
| 类型 | 生存函数 | 不变的操作 | 代表 |
|---|---|---|---|
| 平移无记忆 | 加常数 | 指数、几何 | |
| 尺度无记忆 | 乘常数 | 帕累托、幂律 |
验证：
做题判据：题目问”与某某无关”时，老实算出条件概率，看变量有没有被约掉——不要凭”无记忆性只有平移那一种”去否定尺度型。
计算模板
指数分布的题一律用生存函数，不要积分：
指数函数把除法变成减法，
取补时横线只能加在竖线前面（第16章的老规矩）：
故障率函数：一把统一的尺子
含义：已经活到
| 含义 | 分布 | |
|---|---|---|
| 常数 | 不老化 | 指数 |
| 递增 | 老化、磨损 | 威布尔 |
| 递减 | 早期失效 / 选择效应 | 威布尔 |
三段合起来就是可靠性工程里的”浴盆曲线”：早期递减、中期恒定、后期递增。
威布尔分布
威布尔是指数的”带指数的推广”，
混合会制造记忆（重要且反直觉）
每一支单独看都无记忆，混合之后整体有记忆。
原因是一次贝叶斯更新：条件"
结论：混合寿命分布的故障率递减，剩余寿命”越用越长”。这在可靠性与保险精算里叫 “选择效应”。
泊松—指数对偶
桥梁一句话：
两者共用同一个
离散化保持无记忆
连续型唯一无记忆的分布，取整后落进离散型唯一无记忆的分布——这不是巧合。
典型题型
- 指数分布的条件概率（直接套无记忆性）
- 判断”与某某无关”的命题（老实算，看变量是否约掉）
- 威布尔的条件概率（答案含
，这就是重点） - 混合分布的条件概率（不能套无记忆性）
- 泊松 ↔ 指数的翻译
- 指数取整得几何
图示 / 直觉
把生存函数
只有指数曲线
故障率的直觉：
- 灯泡（随机烧断）：
恒定 → 指数； - 汽车轮胎（磨损）：
递增 → 威布尔 ； - 新生婴儿（挺过头一年就稳了）：
递减 → 威布尔 。
混合为什么制造记忆：想象一批电池，一半劣质（平均 20 小时）、一半优质（平均 40 小时）。用了 40 小时还活着的，多半是优质那批——所以它的”剩余期望寿命”比一开始随手拿一节时更长。
常见误用
1. 混合指数还套无记忆性
最典型也最隐蔽的错。逐支无记忆
2. 威布尔答案里把
3. 答案里残留”已经用了多久”
指数分布题若算出的答案含
4. 条件概率取补时把横线加在竖线后面
5. 把”与
②④ 型（乘法形式）同样可以”与参数无关”。算了再说。
6. 指数分布题去做积分
一律用
7. 几何分布的参数记成
8. 忘了指数分布的支撑是正半轴
与旧知识的连接
高数：
- 函数方程
的连续解是指数函数——这是无记忆性刻画的数学核心； 是对数求导；反解 是一阶线性微分方程； 是广义积分。
第16章：
- 混合分布的条件概率就是全概率 + 贝叶斯的”更新后再预测”三段式（见 全概率公式与贝叶斯公式）；
- 泊松—指数对偶把”数次数”（第16章伯努利/泊松）与”量时间”（本章指数）连了起来。
后续章节：
- 第19章：
、 ；剩余期望寿命 恒定； - 第20章：指数的和是
分布， 大时趋于正态； - 第21章：
，指数是 家族的一员； - 第22章：指数分布参数的矩估计与最大似然估计（
）。
题型训练
- 指数分布与无记忆性（7 题）——本页的主战场
- 非单调与分段变换（9 题）——指数取整得几何、分段翻转
- 离散分布：二项、泊松、几何（10 题）——几何分布的无记忆性
链接
- 同章概念：常见连续型分布 · 常见离散型分布 · 随机变量与分布函数
- 上一章：全概率公式与贝叶斯公式 · 条件概率与乘法公式
- 易错清单：第17章易错点
- 章节导航：第17章 随机变量及其分布 · 题库