Come scelgo il parametro di tasso lambda?

Lambda rappresenta il numero medio di eventi per unità di tempo. Se conosci il tempo medio tra gli eventi (la media), allora lambda = 1 / media. Ad esempio, se i clienti arrivano in media ogni 5 minuti, allora lambda = 1/5 = 0.2 arrivi al minuto. Lambda deve essere un numero positivo.

Calcolatore Distribuzione Esponenziale

Calcola le probabilità, visualizza le curve PDF e CDF ed esplora le proprietà della distribuzione esponenziale. Inserisci il parametro del tasso λ (lambda) e un valore x per ottenere P(X ≤ x), P(X > x), P(a ≤ X ≤ b), media, varianza, mediana e soluzioni passo-passo con grafici interattivi.

Embed Calcolatore Distribuzione Esponenziale Widget

Calcolatore Distribuzione Esponenziale

Il Calcolatore Distribuzione Esponenziale calcola le probabilità, visualizza la funzione di densità di probabilità (PDF) e la funzione di distribuzione cumulativa (CDF) e mostra le proprietà della distribuzione per la distribuzione esponenziale $X \sim \text{Exp}(\lambda)$. Inserisci il parametro di tasso $\lambda$ e un valore $x$ per ottenere $P(X \leq x)$, $P(X > x)$ o $P(a \leq X \leq b)$, insieme a soluzioni passo dopo passo, grafici interattivi e statistiche chiave come media, varianza e mediana.

Cos'è la Distribuzione Esponenziale?

La distribuzione esponenziale è una distribuzione di probabilità continua che modella il tempo tra gli eventi in un processo di Poisson — un processo in cui gli eventi si verificano in modo continuo e indipendente a un tasso medio costante $\lambda$. È definita da un singolo parametro $\lambda > 0$ (il parametro di tasso), e la sua funzione di densità di probabilità (PDF) è:

$$f(x) = \lambda e^{-\lambda x}, \quad x \geq 0$$

La distribuzione esponenziale è ampiamente utilizzata nell'ingegneria dell'affidabilità, nella teoria delle code, nell'analisi della sopravvivenza e nelle telecomunicazioni per modellare i tempi di attesa, la durata dei componenti e i tempi tra gli arrivi.

Proprietà Chiave

🔄

Mancanza di Memoria

P(X > s+t | X > s) = P(X > t). L'unica distribuzione continua senza memoria.

📏

Media = 1/λ

Il tempo di attesa previsto è il reciproco del parametro di tasso.

🔗

Legame con Poisson

Se gli eventi seguono Poisson(λ), il tempo tra gli eventi segue Exp(λ).

↗

Asimmetrica a Destra

Asimmetria = 2. La maggior parte dei valori si raggruppa vicino a 0 con una lunga coda a destra.

Formule

Proprietà	Formula	Descrizione
PDF	$f(x) = \lambda e^{-\lambda x}$	Densità di probabilità in x
CDF	$F(x) = 1 - e^{-\lambda x}$	Probabilità che X ≤ x
Sopravvivenza	$S(x) = e^{-\lambda x}$	Probabilità che X > x
Media	$\mu = \frac{1}{\lambda}$	Valore atteso
Varianza	$\sigma^2 = \frac{1}{\lambda^2}$	Diffusione della distribuzione
Mediana	$\frac{\ln 2}{\lambda}$	50° percentile
Moda	$0$	Valore più probabile
Asimmetria	$2$	Sempre asimmetrica a destra
Curtosi	$6$	Eccesso di curtosi
MGF	$\frac{\lambda}{\lambda - t}$ per $t < \lambda$	Funzione generatrice dei momenti

Applicazioni nel Mondo Reale

Campo	Cosa Rappresenta λ	Cosa Modella X
Teoria delle Code	Tasso di arrivo dei clienti	Tempo tra gli arrivi dei clienti
Affidabilità	Tasso di guasto del componente	Tempo fino al prossimo guasto
Telecomunicazioni	Tasso di arrivo delle chiamate	Tempo tra le telefonate
Fisica Nucleare	Tasso di decadimento	Tempo tra gli eventi di decadimento radioattivo
Finanza	Tasso di insolvenza	Tempo fino all'insolvenza del prestito
Epidemiologia	Tasso di infezione	Tempo tra gli eventi di infezione

Distribuzione Esponenziale vs. Poisson

Le distribuzioni esponenziale e di Poisson sono strettamente correlate ma modellano quantità diverse:

Caratteristica	Esponenziale	Poisson
Tipo	Continua	Discreta
Modella	Tempo tra gli eventi	Numero di eventi nell'intervallo
Parametro	λ (tasso)	λ (tasso × tempo)
Supporto	[0, ∞)	{0, 1, 2, ...}
Media	1/λ	λ

Come usare il Calcolatore Distribuzione Esponenziale

Inserisci il parametro di tasso λ: Questo è il numero medio di eventi per unità di tempo. Ad esempio, se gli autobus arrivano in media ogni 10 minuti, allora λ = 1/10 = 0.1 autobus al minuto.
Seleziona il tipo di probabilità: Scegli P(X ≤ x) per la probabilità cumulativa, P(X > x) per la probabilità di sopravvivenza o P(a ≤ X ≤ b) per la probabilità dell'intervallo.
Inserisci il valore x o l'intervallo: Per le probabilità a punto singolo, inserisci x. Per le probabilità di intervallo, inserisci sia il limite inferiore a che il limite superiore b.
Esamina i risultati: Esamina la probabilità, i grafici interattivi PDF e CDF con le regioni di probabilità ombreggiate, le proprietà della distribuzione (media, varianza, mediana) e la soluzione completa passo dopo passo.

FAQ

Cos'è la distribuzione esponenziale?

La distribuzione esponenziale è una distribuzione di probabilità continua che modella il tempo tra eventi indipendenti che si verificano a un tasso medio costante. È definita da un singolo parametro di tasso λ (lambda). La funzione di densità di probabilità è f(x) = λe^(−λx) per x ≥ 0. È comunemente usata per modellare i tempi di attesa, i tempi di servizio e la durata dei componenti.

Cos'è la proprietà di mancanza di memoria della distribuzione esponenziale?

La proprietà di mancanza di memoria significa che la probabilità di attendere ulteriori t unità di tempo è indipendente da quanto tempo hai già aspettato. Matematicamente, P(X > s+t | X > s) = P(X > t). La distribuzione esponenziale è l'unica distribuzione continua con questa proprietà. Ciò la rende ideale per modellare processi in cui il futuro non dipende dal passato, come il tempo fino alla prossima chiamata telefonica o la durata di un componente elettronico.

Qual è la relazione tra le distribuzioni esponenziale e di Poisson?

Se gli eventi si verificano secondo un processo di Poisson con tasso λ eventi per unità di tempo, allora il tempo tra eventi consecutivi segue una distribuzione esponenziale con lo stesso parametro di tasso λ. La distribuzione di Poisson conta il numero di eventi in un intervallo di tempo fisso, mentre la distribuzione esponenziale modella il tempo di attesa tra gli eventi. Sono due facce della stessa medaglia.

Come scelgo il parametro di tasso λ?

Lambda (λ) rappresenta il numero medio di eventi per unità di tempo. Se conosci il tempo medio tra gli eventi (la media), allora λ = 1/media. Ad esempio, se i clienti arrivano in media ogni 5 minuti, allora λ = 1/5 = 0.2 arrivi al minuto. Se una macchina si guasta in media ogni 100 ore, allora λ = 1/100 = 0.01 guasti all'ora. Lambda deve essere un numero positivo.

La distribuzione esponenziale può assumere valori negativi?

No, la distribuzione esponenziale è definita solo per valori non negativi (x ≥ 0). La funzione di densità di probabilità è zero per qualsiasi x inferiore a 0. Questo ha senso intuitivo perché tipicamente modella durate o tempi di attesa, che non possono essere negativi.

Cita questo contenuto, pagina o strumento come:

"Calcolatore Distribuzione Esponenziale" su https://MiniWebtool.com/it/calcolatore-distribuzione-esponenziale/ di MiniWebtool, https://MiniWebtool.com/

dal team di miniwebtool. Aggiornato: 2026-04-14

Puoi anche provare il nostro Risolutore di Matematica AI GPT per risolvere i tuoi problemi matematici attraverso domande e risposte in linguaggio naturale.

Altri strumenti correlati:

Rilevatore di contenuti IANuovo

Calcolatore Distribuzione BetaNuovo

Calcolatore di funzione Beta

Calcolatrice di distribuzione binomiale

Calcolatore crescita composta

Risolutore di Equazione CubicaNuovo

Calcolatore di decadimento esponenziale

Risolutore di Equazioni EsponenzialiNuovo

Calcolatore della crescita esponenziale

Calcolatore dell'Integrale Esponenziale

Calcolatore Distribuzione Esponenziale

Calcolatore Distribuzione Esponenziale

Cos'è la Distribuzione Esponenziale?

Proprietà Chiave

Formule

Applicazioni nel Mondo Reale

Distribuzione Esponenziale vs. Poisson

Come usare il Calcolatore Distribuzione Esponenziale

FAQ

Altri strumenti correlati:

Statistiche e analisi dati:

Strumenti in primo piano:

Proprietà	Formula	Descrizione
PDF	\(f(x) = \lambda e^{-\lambda x}\)	Densità di probabilità in x
CDF	\(F(x) = 1 - e^{-\lambda x}\)	Probabilità che X ≤ x
Sopravvivenza	\(S(x) = e^{-\lambda x}\)	Probabilità che X > x
Media	\(\mu = \frac{1}{\lambda}\)	Valore atteso
Varianza	\(\sigma^2 = \frac{1}{\lambda^2}\)	Diffusione della distribuzione
Mediana	\(\frac{\ln 2}{\lambda}\)	50° percentile
Moda	\(0\)	Valore più probabile
Asimmetria	\(2\)	Sempre asimmetrica a destra
Curtosi	\(6\)	Eccesso di curtosi
MGF	\(\frac{\lambda}{\lambda - t}\) per \(t < \lambda\)	Funzione generatrice dei momenti