Jak wybrać parametr intensywności lambda?

Lambda reprezentuje średnią liczbę zdarzeń na jednostkę czasu. Jeśli znasz średni czas między zdarzeniami (średnią), to lambda = 1 / średnia. Na przykład, jeśli klienci przybywają średnio co 5 minut, to lambda = 1/5 = 0,2 przybycia na minutę. Lambda musi być liczbą dodatnią.

Kalkulator Rozkładu Wykładniczego

Oblicz prawdopodobieństwo, wizualizuj krzywe PDF i CDF oraz poznaj właściwości rozkładu wykładniczego. Wprowadź parametr intensywności λ (lambda) i wartość x, aby otrzymać P(X ≤ x), P(X > x), P(a ≤ X ≤ b), średnią, wariancję, medianę oraz rozwiązania krok po kroku z interaktywnymi wykresami.

Embed Kalkulator Rozkładu Wykładniczego Widget

O Kalkulator Rozkładu Wykładniczego

Kalkulator Rozkładu Wykładniczego oblicza prawdopodobieństwa, wizualizuje funkcję gęstości prawdopodobieństwa (PDF) i dystrybuantę (CDF) oraz wyświetla właściwości rozkładu dla rozkładu wykładniczego $X \sim \text{Exp}(\lambda)$. Wprowadź parametr intensywności $\lambda$ i wartość $x$, aby otrzymać $P(X \leq x)$, $P(X > x)$ lub $P(a \leq X \leq b)$, wraz z rozwiązaniami krok po kroku, interaktywnymi wykresami i kluczowymi statystykami, takimi jak średnia, wariancja i mediana.

Co to jest rozkład wykładniczy?

Rozkład wykładniczy to ciągły rozkład prawdopodobieństwa, który modeluje czas między zdarzeniami w procesie Poissona — procesie, w którym zdarzenia występują w sposób ciągły i niezależny ze stałą średnią intensywnością $\lambda$. Jest on zdefiniowany przez pojedynczy parametr $\lambda > 0$ (parametr intensywności), a jego funkcja gęstości prawdopodobieństwa (PDF) to:

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

Rozkład wykładniczy jest szeroko stosowany w inżynierii niezawodności, teorii kolejek, analizie przeżycia i telekomunikacji do modelowania czasów oczekiwania, żywotności komponentów i czasów między przybyciami.

Kluczowe właściwości

🔄

Brak pamięci

P(X > s+t | X > s) = P(X > t). Jedyny ciągły rozkład bez pamięci.

📏

Średnia = 1/λ

Oczekiwany czas oczekiwania jest odwrotnością parametru intensywności.

🔗

Związek z Poissonem

Jeśli zdarzenia podlegają rozkładowi Poisson(λ), czas między nimi podlega Exp(λ).

↗

Prawoskośny

Skośność = 2. Większość wartości skupia się blisko 0 z długim prawym ogonem.

Wzory

Właściwość	Wzór	Opis
PDF	$f(x) = \lambda e^{-\lambda x}$	Gęstość prawdopodobieństwa w punkcie x
CDF	$F(x) = 1 - e^{-\lambda x}$	Prawdopodobieństwo, że X ≤ x
Przeżycie	$S(x) = e^{-\lambda x}$	Prawdopodobieństwo, że X > x
Średnia	$\mu = \frac{1}{\lambda}$	Wartość oczekiwana
Wariancja	$\sigma^2 = \frac{1}{\lambda^2}$	Rozrzut rozkładu
Mediana	$\frac{\ln 2}{\lambda}$	50. percentyl
Dominanta	$0$	Najbardziej prawdopodobna wartość
Skośność	$2$	Zawsze prawoskośny
Kurtoza	$6$	Nadmiarowa kurtoza
MGF	$\frac{\lambda}{\lambda - t}$ dla $t < \lambda$	Funkcja generująca momenty

Zastosowania w świecie rzeczywistym

Dziedzina	Co reprezentuje λ	Co modeluje X
Teoria kolejek	Intensywność przybyć klientów	Czas między przybyciami klientów
Niezawodność	Wskaźnik awaryjności komponentu	Czas do następnej awarii
Telekomunikacja	Intensywność połączeń	Czas między rozmowami telefonicznymi
Fizyka jądrowa	Stała rozpadu	Czas między rozpadami promieniotwórczymi
Finanse	Wskaźnik niewypłacalności	Czas do niewypłacalności kredytowej
Epidemiologia	Wskaźnik infekcji	Czas między przypadkami infekcji

Rozkład Wykładniczy vs. Rozkład Poissona

Rozkłady wykładniczy i Poissona są ściśle ze sobą powiązane, ale modelują różne wielkości:

Cecha	Wykładniczy	Poisson
Typ	Ciągły	Dyskretny
Modeluje	Czas między zdarzeniami	Liczbę zdarzeń w przedziale
Parametr	λ (intensywność)	λ (intensywność × czas)
Nośnik	[0, ∞)	{0, 1, 2, ...}
Średnia	1/λ	λ

Jak korzystać z Kalkulatora Rozkładu Wykładniczego

Wprowadź parametr intensywności λ: Jest to średnia liczba zdarzeń na jednostkę czasu. Na przykład, jeśli autobusy przyjeżdżają średnio co 10 minut, to λ = 1/10 = 0,1 autobusu na minutę.
Wybierz typ prawdopodobieństwa: Wybierz P(X ≤ x) dla dystrybuanty, P(X > x) dla prawdopodobieństwa przeżycia lub P(a ≤ X ≤ b) dla prawdopodobieństwa w zakresie.
Wprowadź wartość x lub zakres: Dla prawdopodobieństw w punkcie wprowadź x. Dla prawdopodobieństw w zakresie wprowadź zarówno dolną granicę a, jak i górną granicę b.
Przejrzyj wyniki: Przeanalizuj prawdopodobieństwo, interaktywne wykresy PDF i CDF z zacienionymi obszarami prawdopodobieństwa, właściwości rozkładu (średnia, wariancja, mediana) oraz kompletne rozwiązanie krok po kroku.

FAQ

Co to jest rozkład wykładniczy?

Rozkład wykładniczy to ciągły rozkład prawdopodobieństwa, który modeluje czas między niezależnymi zdarzeniami występującymi ze stałą średnią intensywnością. Jest on zdefiniowany przez pojedynczy parametr intensywności λ (lambda). Funkcja gęstości prawdopodobieństwa to f(x) = λe^(−λx) dla x ≥ 0. Jest on powszechnie używany do modelowania czasów oczekiwania, czasów obsługi i żywotności komponentów.

Co to jest właściwość braku pamięci rozkładu wykładniczego?

Właściwość braku pamięci oznacza, że prawdopodobieństwo czekania dodatkowych t jednostek czasu jest niezależne od tego, jak długo już czekałeś. Matematycznie, P(X > s+t | X > s) = P(X > t). Rozkład wykładniczy jest jedynym rozkładem ciągłym o tej właściwości. To czyni go idealnym do modelowania procesów, w których przyszłość nie zależy od przeszłości, takich jak czas do następnego telefonu lub żywotność komponentu elektronicznego.

Jaki jest związek między rozkładem wykładniczym a rozkładem Poissona?

Jeśli zdarzenia występują zgodnie z procesem Poissona z intensywnością λ zdarzeń na jednostkę czasu, to czas między kolejnymi zdarzeniami podlega rozkładowi wykładniczemu z tym samym parametrem λ. Rozkład Poissona zlicza liczbę zdarzeń w ustalonym przedziale czasu, podczas gdy rozkład wykładniczy modeluje czas oczekiwania między zdarzeniami. To dwie strony tego samego medalu.

Jak wybrać parametr intensywności λ?

Lambda (λ) reprezentuje średnią liczbę zdarzeń na jednostkę czasu. Jeśli znasz średni czas między zdarzeniami (średnią), to λ = 1/średnia. Na przykład, jeśli klienci przybywają średnio co 5 minut, to λ = 1/5 = 0,2 przybycia na minutę. Jeśli maszyna psuje się średnio co 100 godzin, to λ = 1/100 = 0,01 awarii na godzinę. Lambda musi być liczbą dodatnią.

Czy rozkład wykładniczy może przyjmować wartości ujemne?

Nie, rozkład wykładniczy jest zdefiniowany tylko dla wartości nieujemnych (x ≥ 0). Funkcja gęstości prawdopodobieństwa wynosi zero dla każdego x mniejszego od 0. Ma to intuicyjny sens, ponieważ zazwyczaj modeluje on czas trwania lub czas oczekiwania, które nie mogą być ujemne.

Cytuj ten materiał, stronę lub narzędzie w następujący sposób:

"Kalkulator Rozkładu Wykładniczego" na https://MiniWebtool.com/pl/kalkulator-rozkadu-wykadniczego/ z MiniWebtool, https://MiniWebtool.com/

przez zespół miniwebtool. Zaktualizowano: 2026-04-14

Możesz także wypróbować nasz AI Rozwiązywacz Matematyczny GPT, aby rozwiązywać swoje problemy matematyczne poprzez pytania i odpowiedzi w języku naturalnym.

Inne powiązane narzędzia:

Detektor treści AINowy

Kalkulator Rozkładu BetaNowy

Kalkulator funkcji beta

Kalkulator rozkładu dwumianowegoPolecane

Kalkulator złożonej stopy wzrostu

Kalkulator Równania SześciennegoNowy

Kalkulator rozkładu wykładniczego

Rozwiązywanie Równań WykładniczychNowy

Kalkulator wzrostu wykładniczego - wysoka precyzja

Kalkulator całki wykładniczej

Kalkulator Rozkładu Wykładniczego

O Kalkulator Rozkładu Wykładniczego

Co to jest rozkład wykładniczy?

Kluczowe właściwości

Wzory

Zastosowania w świecie rzeczywistym

Rozkład Wykładniczy vs. Rozkład Poissona

Jak korzystać z Kalkulatora Rozkładu Wykładniczego

FAQ

Inne powiązane narzędzia:

Statystyki i analiza danych:

Polecane narzędzia:

Właściwość	Wzór	Opis
PDF	\(f(x) = \lambda e^{-\lambda x}\)	Gęstość prawdopodobieństwa w punkcie x
CDF	\(F(x) = 1 - e^{-\lambda x}\)	Prawdopodobieństwo, że X ≤ x
Przeżycie	\(S(x) = e^{-\lambda x}\)	Prawdopodobieństwo, że X > x
Średnia	\(\mu = \frac{1}{\lambda}\)	Wartość oczekiwana
Wariancja	\(\sigma^2 = \frac{1}{\lambda^2}\)	Rozrzut rozkładu
Mediana	\(\frac{\ln 2}{\lambda}\)	50. percentyl
Dominanta	\(0\)	Najbardziej prawdopodobna wartość
Skośność	\(2\)	Zawsze prawoskośny
Kurtoza	\(6\)	Nadmiarowa kurtoza
MGF	\(\frac{\lambda}{\lambda - t}\) dla \(t < \lambda\)	Funkcja generująca momenty