Die Exponentialverteilung ist eine wichtige stetige Wahrscheinlichkeitsverteilung, die häufig in der Statistik und in der Wahrscheinlichkeitsrechnung verwendet wird. Sie wird oft verwendet, um die Zeit zwischen Ereignissen in einem Poisson-Prozess zu modellieren. Ein Poisson-Prozess ist ein stochastischer Prozess, bei dem Ereignisse kontinuierlich und unabhängig voneinander auftreten.
Definition der Exponentialverteilung: Eine Zufallsvariable (X) folgt einer Exponentialverteilung mit dem Parameter $\lambda$ (lambda), wenn ihre Wahrscheinlichkeitsdichtefunktion (WDF) durch die folgende Formel gegeben ist:
$f(x; \lambda) = \begin{cases} \lambda e^{-\lambda x} & \text{für } x \geq 0 \\ 0 & \text{für } x < 0 \end{cases} $
Hierbei ist:
Parameter $\lambda$: Der Parameter $\lambda$ (lambda) ist ein positiver Wert, der als Rate-Parameter oder Intensitätsparameter bezeichnet wird. Er gibt die durchschnittliche Anzahl der Ereignisse pro Zeiteinheit an. Zum Beispiel, wenn $\lambda = 2$, bedeutet das, dass im Durchschnitt 2 Ereignisse pro Zeiteinheit auftreten.
Eigenschaften der Exponentialverteilung:
Erwartungswert (Mittelwert): Der Erwartungswert (E(X)) einer exponentialverteilten Zufallsvariablen (X) ist der Kehrwert des Parameters $\lambda$:
$E(X) = \frac{1}{\lambda}$
Das bedeutet, wenn die Rate $\lambda$ hoch ist, ist die durchschnittliche Zeit zwischen den Ereignissen klein, und umgekehrt.
Varianz: Die Varianz (Var(X)) einer exponentialverteilten Zufallsvariablen (X) ist der Kehrwert des Quadrats des Parameters $\lambda$:
$Var(X) = \frac{1}{\lambda^2}$
Die Varianz misst die Streuung der Zeitintervalle um den Mittelwert.
Beispiel: Angenommen, die Ankunftsrate von Kunden in einem Geschäft beträgt im Durchschnitt 5 Kunden pro Stunde. Dies bedeutet, dass die Rate $\lambda = 5$ Kunden pro Stunde beträgt. Die Zeit zwischen den Ankünften der Kunden wäre dann exponentialverteilt mit $\lambda = 5$.
Die Wahrscheinlichkeitsdichtefunktion der Zeit (X) zwischen den Ankünften wäre:
$f(x; 5) = \begin{cases} 5 e^{-5x} & \text{für } x \geq 0 \\ 0 & \text{für } x < 0 \end{cases} $
Der Erwartungswert der Zeit zwischen den Kundenankünften wäre:
$E(X) = \frac{1}{5} = 0,2 \text{ Stunden}$
Die Varianz wäre:
$Var(X) = \frac{1}{5^2} = 0,04 \text{ Stunden}^2$
Zusammengefasst, die Exponentialverteilung ist nützlich für die Modellierung der Zeitintervalle zwischen aufeinanderfolgenden Ereignissen in einem Poisson-Prozess, und sie wird durch den Parameter $\lambda$ bestimmt, der die Rate der Ereignisse pro Zeiteinheit angibt.