如图，按这种说法，假如一个元件使用了100小时，它总共能使用至少100+1小时的条件概率，与从开始使用时算起它至少能使用1小的概率会相等，但想想这两种概率也不会相等吧，一个使用了100小时下再使用1小时，跟开始时使用1小时，这两种概率怎么可能一样呀，搞错了吧？

这不是假设的吗？只是为了方便你理解

这就是指数分布才有的条件概率无记忆性，真正元件寿命肯定不是严格遵循指数分布的啊

对于单个元件本身来说，用了100个小时，寿命自然就减少100个小时。
当一个元件用了100个小时，它在我们眼里就不再是原来的那种元件了，我们排除了它是寿命小于100小时的“坏元件”，不妨记为“好元件”。
元件被用了100个小时，虽然消耗了元件100小时的寿命，但与此同时，这个事实让我们确定了该元件是“好元件”，在我们眼里的寿命期望提升了，补偿了那100小时的寿命损失。
所以无记忆性其实是：“好元件”能用101个小时的概率，跟“元件”能用1个小时的概率是一样的。

生存分析里有各种不同的模型来描述寿命，指数分布是最简单的一种。

因为正常的元件不是按照严格的公式来损耗的…就算一个零件能在某段时间内以一个接近的函数来损耗，使用寿命经过某个点之后损耗幅度就会骤变。更何况，现实场景下大多数元件的损耗与保养，环境，使用习惯等条件息息相关，甚至不是一个关于时间的单变量函数

最适合用无记忆性描述的东西就是半衰期了，这玩意真是完全无记忆性
概率论里面70%的东西就是将把能用，你接受这个近似就好了

你用现实去感受数学模型，那肯定感受上会有偏差啊

所有模型都是错的，但有些模型是有用的

几何分布和指数分布确实具有这个性质，因为这是数学推导的理论知识。但是放在现实生活中不可能有东西能够完美符合指数分布，总归会有误差。就像物理那些公式都是在理想状态下推导的一样。你不能因为现实中达不到就说他错吧

好问题，下个学期选修survival analysis😄👍🏻

那是因为电器用久了实际参数会变

先理解什么是理想情况下

这个不是假设吗，对于无记忆性这个性质做一个定义