Exponential-Mittelwert und Varianz

Die Exponentialverteilung ist das klassische stetige Modell für Wartezeiten und Zwischenankunftsabstände, wenn Ereignisse mit konstanter mittlerer Rate und ohne Gedächtnis der Vergangenheit eintreten. Sobald Sie den Ratenparameter λ festlegen, ergeben sich drei Momente in geschlossener Form: der Mittelwert ist eins durch λ, die Varianz eins durch λ zum Quadrat und die Standardabweichung wiederum eins durch λ.

Ratenparametrisierung und die drei Momente in geschlossener Form

Unter der Ratenparametrisierung folgt eine nichtnegative stetige Zufallsvariable X der Exp(λ), wenn ihre Dichte λ mal e hoch minus λx für x größer oder gleich null ist und sonst null. Die Rate λ ist die erwartete Anzahl von Ereignissen pro Zeiteinheit; größeres λ bedeutet also kürzere typische Wartezeiten. Die Integration von x gegen diese Dichte liefert den Mittelwert μ gleich eins durch λ.

Die Integration der quadrierten Abweichung vom Mittelwert liefert die Varianz σ zum Quadrat gleich eins durch λ zum Quadrat. Die positive Quadratwurzel der Varianz ergibt die Standardabweichung σ, die eins durch λ beträgt und damit in absoluter Skala mit dem Mittelwert übereinstimmt—eine charakteristische Eigenschaft der Exponentialfamilie, die Studierende oft als schnellen Plausibilitätstest nutzen. Manche Lehrbücher bevorzugen eine Skalenparametrisierung mit θ gleich eins durch λ; in jener Schreibweise ist der Mittelwert θ, die Varianz θ zum Quadrat und die Standardabweichung θ.

Die Gedächtnislosigkeit besagt, dass die Restwartezeit bedingt auf bisheriges Überleben dieselbe Verteilung hat wie eine frische Wartezeit; deshalb erscheint die Exponentialverteilung in Zwischenankünften von Poisson-Prozessen, Wartezeitmodellen radioaktiven Zerfalls und einfachen Zuverlässigkeitsmodellen mit konstanter Hazard-Rate. Weil jede Ausgabe eine endliche rationale Funktion allein von λ ist, ist das Verfahren vollständig deterministisch: dieselbe Rate liefert stets denselben Mittelwert, dieselbe Varianz und dieselbe Standardabweichung, ohne Monte-Carlo-Rauschen und ohne Tabellenlookup.

Eingabevertrag, Validierung und Antwortform

Die Engine akzeptiert auch die Aliase rate, lam und das Unicode-Zeichen λ, sodass Skripte und Unterrichtsblätter, die bereits in diesen Begriffen sprechen, keinen Umbenennungsschritt brauchen; mehr als einen dieser Schlüssel gleichzeitig zu liefern lässt die Validierung scheitern, damit Aufrufer nie still den falschen Feldnamen wählen. Eine nullte oder negative Rate scheitert mit der Meldung, dass die Exponentialverteilung undefiniert ist, wenn λ nicht größer als null ist; diese Validierungsfehler werden nicht berechnet und erfinden keinen Mittelwert.

Bei Erfolg echoiert der Body das bereinigte lambda, liefert mean als eins durch λ, variance als eins durch λ zum Quadrat, std als eins durch λ und eine Formelzeichenkette, die μ gleich eins durch λ, σ zum Quadrat gleich eins durch λ zum Quadrat und σ gleich eins durch λ unter der Ratenparametrisierung bekräftigt. Klassische Prüfungen umfassen λ gleich eins, was Mittelwert eins, Varianz eins und std eins ergibt; und λ gleich zwei, was Mittelwert ein halb, Varianz ein viertel und std ein halb ergibt.

Verbinden Sie das kostenlose Browserformular für Hausaufgaben und schnelle Plausibilitätsprüfungen und rufen Sie denselben Vertrag aus Skripten auf, wenn Sie Massenevaluation von Service- oder Ausfallraten brauchen.

Wo Exponentialmomente in der Praxis auftauchen

Einführende Kurse in Wahrscheinlichkeit und Statistik vergeben ständig Aufgaben der Form: bei einem Mittel von λ Ereignissen pro Stunde, wie groß ist die erwartete Wartezeit und wie streut sie? Operations Research und Warteschlangen-Skizzen nutzen exponentielle Ankunfts- und Serviceannahmen als M/M-Bausteine; Mittelwert und Varianz dieser Wartezeiten speisen Kapazitätsplanung und einfache Little-Gesetz-Argumente vor schwererer Simulation.

Zuverlässigkeit und Survival beginnen oft mit konstanter Hazard-Rate λ, wo die mittlere Zeit bis zum Ausfall eins durch λ ist und die Varianz eins durch λ zum Quadrat die Unsicherheit um diese MTTF unter dem reinen Exponentialmodell quantifiziert. Produktanalytik und Site-Reliability-Teams wandeln eine beobachtete Ereignisse-pro-Minute-Rate in den erwarteten Zwischenereignis-Abstand und dessen Streuung um, wenn sie Dashboards oder Alert-Schwellen bauen.

Wenn Sie später die exponentielle PDF oder CDF an einem Punkt, Maximum-Likelihood-Schätzung von λ aus einer Stichprobe, Poisson-Zählungen, geometrische Wartezeiten in diskreten Versuchen oder eine volle deskriptive Zusammenfassung einer Zahlenliste brauchen, behandeln Sie diese als getrennte Suchintentionen und Landings statt diese Seite des Exponential-Mittelwert-und-Varianz-Rechners zu überladen.