Media e varianza esponenziali

La distribuzione esponenziale è il modello continuo classico dei tempi di attesa e degli intervalli tra arrivi quando gli eventi si verificano a un tasso medio costante senza memoria del passato. Una volta fissato il parametro di tasso λ, tre momenti si ottengono in forma chiusa: la media è uno su λ, la varianza è uno su λ al quadrato e la deviazione standard è di nuovo uno su λ.

Parametrizzazione per tasso e i tre momenti in forma chiusa

Nella parametrizzazione per tasso, una variabile aleatoria continua non negativa X segue Exp(λ) quando la sua densità è λ volte e elevato a meno λx per x maggiore o uguale a zero, e zero altrimenti. Il tasso λ è il numero atteso di eventi per unità di tempo, quindi un λ maggiore implica attese tipiche più brevi. Integrare x contro quella densità produce la media μ uguale a uno su λ.

Integrare lo scarto al quadrato rispetto alla media produce la varianza σ al quadrato uguale a uno su λ al quadrato. La radice quadrata positiva della varianza dà la deviazione standard σ, che vale uno su λ e quindi coincide con la media in scala assoluta—una proprietà distintiva della famiglia esponenziale che gli studenti usano spesso come controllo rapido.

Alcuni manuali preferiscono una parametrizzazione per scala con θ uguale a uno su λ; in quella scrittura la media è θ, la varianza è θ al quadrato e la deviazione standard è θ. La proprietà di mancanza di memoria afferma che l'attesa residua dato di aver sopravvissuto finora ha la stessa distribuzione di un'attesa nuova, ed è per questo che l'esponenziale compare nei tempi tra arrivi di processi di Poisson, nei modelli di decadimento radioattivo e nei modelli semplici di affidabilità a rischio costante.

Poiché ogni uscita è una funzione razionale finita del solo λ, la procedura è pienamente deterministica: lo stesso tasso produce sempre la stessa media, varianza e deviazione standard, senza rumore di Monte Carlo e senza consultazione di tabelle.

Dove i momenti esponenziali compaiono nel lavoro reale

I corsi introduttivi di probabilità e statistica assegnano di continuo problemi del tipo: data una media di λ eventi all'ora, qual è l'attesa attesa e quanto è dispersa? La ricerca operativa e gli schizzi di code usano ipotesi esponenziali di arrivo e servizio come mattoni M/M; media e varianza di quelle attese alimentano la pianificazione della capacità e argomenti semplici della legge di Little prima di simulazioni più pesanti.

Affidabilità e sopravvivenza partono spesso da un tasso di rischio costante λ, dove il tempo medio al guasto è uno su λ e la varianza uno su λ al quadrato quantifica l'incertezza attorno a quel MTTF nel modello esponenziale puro. Analytics di prodotto e team di affidabilità del sito convertono un tasso osservato di eventi al minuto nell'intervallo atteso tra eventi e nella sua dispersione costruendo dashboard o soglie di allerta.

Se in seguito ha bisogno della PDF o CDF esponenziale in un punto, della stima di massima verosimiglianza di λ da un campione, di conteggi di Poisson, di attese geometriche in prove discrete o di un riepilogo descrittivo completo di un elenco numerico, li tratti come intenzioni di ricerca e landing separate anziché sovraccaricare questa pagina del calcolatore di media e varianza esponenziali.