Eg. 正态分布检验 [mu,sigma]=normfit(X1); X2=normrnd(mu,sigma,size(x1)); H=kstest2(X1,X2,alpha);
指数分布检验 mu=expfit(X1,alpha);
X2=exprnd(mu,size(x1)); [H,p]=kstest2(X1,X2,alpha)
离散事件系统仿真中常见的概率分布课 件
通常部件发生故障的时间分布和修复时间的分布用指 数分布来描述，也可以用T分布和威布尔分布。
如果故障是完全随机的，则可以采用指数分布建模。 如果部件有储备，且每个备件的故障发生时间服从指
数分布，则可以采用T分布来建模。
威布尔分布已经广泛用于描述故障发生时间，原因是 它逼近许多观察结果，当系统中有许多部件的故障是 由子大量元件的严重失效或可能失效造成时，适合采 用威布尔分布建立模型。
1 排队系统
离散事件系统仿真中常见的概率分布课 件
在排队系统中，主要有两种类型的活动，即实 体到达和实体接受服务。
一般情况下，实体到达的时间间隔是不确定的， 从而在一定时间内到达的实体数目也是一个随 机变量；
另一方面，实体接受服务的时间也总是不确定 的，从而造成队列的长短也是式一般用泊松分布来描述，即在固定的
时间内到达系统的实体数目服从泊松分布。这种模式 的特点是： ① 在一定时间间隔内到达实体的数目仅与时间间隔的 长短有关，而与这段时间间隔的起始时刻无关。 ② 在某个时间间隔内，到达的实体数目与在此之前到 达的实体数目无关，也不影响在此之后实体的到达。 ③ 不存在两个或两个以上实体同时到达的情况。 ④ 若在一定时间内到达系统的实体数目χ服从参数为A 的泊松分布，则相邻到达的两个实体之间的到达时间 间隔T服从参数为λ的指数分布。
