提及指数分布的数学期望？以及指数分布期望与方差的证明？的相关内容，许多人不太了解，来看看小智的介绍吧！
指数分布的数学期望？
指数函数的一个重要特征是无记忆性（MemorylessProperty，又称遗失记忆性）。
指数分布的参数为λ，则指数分布的期望为1/λ；方差为（1/λ）^2
E(X)==∫x*f(x)dx==∫λx*e^(-λx)dx=-(xe^(-λx)+1/λ*e^(-λx))|(正无穷到0)=1/λ
E(X^2)==∫x^2*f(x)dx=∫x^2*λ*e^(λx)dx=-(2/λ^2*e^(-λx)+2x*e^(-λx)+λx^2*e^(-λx))|(正无穷到0)=2/λ^2
DX=E(X^2)-(EX)^2=2/λ^2-(1/λ)^2=1/λ^2
指数分布期望与方差的证明？
1、指数分布的期望：E（X）=1/λ。
2、指数分布的方差：D（X）=Var（X）=1/λ²。
指数分布与分布指数族的分类不同，后者是包含指数分布作为其成员之一的大类概率分布，也包括正态分布，二项分布，伽马分布，泊松分布等等。
