散文精选网指数分布的无记忆性是什么？
指数分布的无记忆性是马尔科夫链无后效性，也就是取决于你当前的状态。所以在分布中，只有指数分布能满足这一点，因为指数分布的无记忆性，不管你之前在某个状态停留了多少时间，并不影响你是否继续停留或者转移。可以通过积分证明的。
如果是非连续性时间，那么马尔科夫的概率分布矩阵是很容易求解的，用 pi1 pi2 。。。pin，乘以矩阵，然后等于 pi1 pi2 。。。pin，就可求出稳定的概率分布矩阵
如果是连续性的，那么泊松过程就是一种简单的马尔科夫过程，计算方法基本如上，但是矩阵的意义和性质稍有不同。
什么是单参数指数分布
指数分布，别称负指数分布，在概率理论和统计学中用来描述泊松过程中的事件之间的时间的概率分布。
指数分布描述了事件以恒定平均速率连续且独立地发生的过程，是一种连续概率分布。其重要特征是无记忆性，可以用来表示独立随机事件发生的时间间隔。
延伸阅读
1. 均匀分布
在概率论和统计学中，均匀分布也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。 均匀分布由两个参数a和b定义，它们是数轴上的最小值和最大值，通常缩写为U（a，b）。统计学中，当使用p值作为简单零假设的检验统计量，并且检验统计量的分布是连续的，则如果零假设为真，则p值均匀分布在0和1之间。
2. 指数分布
在概率理论和统计学中，指数分布（也称为负指数分布）是描述泊松过程中的事件之间的时间的概率分布，即事件以恒定平均速率连续且独立地发生的过程。 这是伽马分布的一个特殊情况。 它是几何分布的连续模拟，它具有无记忆的关键性质。 除了用于分析泊松过程外，还可以在其他各种环境中找到。
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。
指数函数的一个重要特征是无记忆性（Memoryless Property，又称遗失记忆性）。这表示如果一个随机变量呈指数分布，当s,t>0时有P(T>t+s|T>t)=P(T>s)。即，如果T是某一元件的寿命，已知元件使用了t小时，它总共使用至少s+t小时的条件概率，与从开始使用时算起它使用至少s小时的概率相等。
