Intermediate

Eksponentialfordelingsberegner

Beregn eksponentialfordelingens sandsynligheder, middelværdi og varians ud fra en rateparameter λ og en værdi x.
Events per unit; mean = 1/λ
The point to evaluate (x ≥ 0)

Probability type

P(X < x)
0,6321

Probability for the selected region

Mean (1/λ)
2
Variance (1/λ²)
4
Std. deviation
2
P(X < x)
0,6321
P(X > x)
0,3679
PDF f(x)
0,1839
Probability density f(t) = λe^(−λt)
Step by step
  1. 1

    −λ × x

    −0,5 × 2 = -1
  2. 2

    e^(−λx)

    e^(-1) = 0,367879
  3. 3

    P(X < x) = 1 − e^(−λx)

    1 − 0,367879 = 0,6321
    Cumulative probability.
Resultaterne er skøn, der kun gives til generel information og er ikke professionel rådgivning — verificér altid vigtige resultater uafhængigt, før du forlader dig på dem. Læs hele ansvarsfraskrivelsen.
Hurtigt svar

Hvordan fungerer denne lommeregner?

For en eksponentialfordeling med rate λ er chancen for at en hændelse indtræffer før x P(X<x) = 1 − e^(−λx) og efter x P(X>x) = e^(−λx). Middelværdien er lig med 1/λ og variansen er lig med 1/λ². Indtast λ og x for at få disse sandsynligheder plus tæthedskurven.

Formel
f(x) = λe^(−λx); P(X<x) = 1 − e^(−λx); P(X>x) = e^(−λx); Middelværdi = 1/λ; Var = 1/λ²
How this is calculated

Eksponentialfordelingen modellerer ventetiden mellem uafhængige hændelser, der indtræffer med en konstant gennemsnitlig rate λ. Indtast raten λ (hændelser pr. tids- eller rumenhed) og en værdi x, hvor fordelingen skal evalueres. Raten skal være positiv, og x skal være ikke-negativ.

Tæthedsfunktionen er f(x) = λe^(−λx) for x ≥ 0. Den kumulative sandsynlighed P(X < x) = 1 − e^(−λx) giver chancen for at hændelsen sker før x, mens overlevelsessandsynligheden P(X > x) = e^(−λx) giver chancen for at vente længere end x. Rullemenuen vælger, hvilken af disse der vises som hovedresultatet; begge er også angivet i opdelingen.

Fordelingen har middelværdi 1/λ og varians 1/λ², så større rater betyder kortere forventede ventetider og strammere spredning. Den er hukommelsesløs: P(X > s + t | X > s) = P(X > t), så forløbet ventetid ændrer ikke den fremtidige fordeling. Specialtilfælde: λ ≤ 0 eller x < 0 er ugyldige og returnerer intet resultat; efterhånden som x vokser, nærmer P(X < x) sig 1, og P(X > x) nærmer sig 0.

Ofte stillede spørgsmål

λ er det gennemsnitlige antal hændelser pr. tids- (eller afstands-)enhed. Dens reciprokke 1/λ er den gennemsnitlige ventetid mellem hændelser.

Fordi sandsynligheden for at vente en yderligere tid t ikke afhænger af, hvor længe du allerede har ventet: P(X > s + t | X > s) = P(X > t).

Ja. Hvis du kender den gennemsnitlige ventetid m, så sæt λ = 1/m, da middelværdien af en eksponentialfordeling er lig med 1/λ.

Også kendt som

eksponentialfordeling
eksponentiel sandsynlighed
rate parameter
ventetid kontinuert
hukommelsesløs fordeling
eksponentialfordeling beregner

APA

TG we-Calculate Editorial Team. (2026). Eksponentialfordelingsberegner [Online calculator]. TG we-Calculate. https://we-calculate.com/da/calculator/exponential-distribution-calculator

Chicago

TG we-Calculate Editorial Team. "Eksponentialfordelingsberegner." TG we-Calculate. 2026. https://we-calculate.com/da/calculator/exponential-distribution-calculator.

IEEE

TG we-Calculate Editorial Team, "Eksponentialfordelingsberegner," TG we-Calculate, 2026. [Online]. Available: https://we-calculate.com/da/calculator/exponential-distribution-calculator

BibTeX

@misc{wecalculate_exponential_distribution_calculator, title = {Eksponentialfordelingsberegner}, author = {{TG we-Calculate Editorial Team}}, howpublished = {\url{https://we-calculate.com/da/calculator/exponential-distribution-calculator}}, year = {2026}, note = {TG we-Calculate} }

Hjalp denne lommeregner dig?