Intermediate

Calculator voor exponentiële verdeling

Bereken kansen, gemiddelde en variantie van de exponentiële verdeling uit een snelheidsparameter λ en een waarde 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.
Resultaten zijn schattingen die uitsluitend dienen ter algemene informatie en vormen geen professioneel advies — controleer belangrijke resultaten altijd zelf voordat je erop vertrouwt. Lees de volledige disclaimer.
Snel antwoord

Hoe werkt deze rekenmachine?

Voor een exponentiële verdeling met snelheid λ is de kans dat een gebeurtenis vóór x optreedt P(X<x) = 1 − e^(−λx) en erna P(X>x) = e^(−λx). Het gemiddelde is gelijk aan 1/λ en de variantie aan 1/λ². Voer λ en x in om deze kansen plus de dichtheidskromme te krijgen.

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

De exponentiële verdeling modelleert de wachttijd tussen onafhankelijke gebeurtenissen die optreden met een constante gemiddelde snelheid λ. Voer de snelheid λ in (gebeurtenissen per tijds- of ruimte-eenheid) en een waarde x waarop de verdeling wordt geëvalueerd. De snelheid moet positief zijn en x moet niet-negatief zijn.

De kansdichtheidsfunctie is f(x) = λe^(−λx) voor x ≥ 0. De cumulatieve kans P(X < x) = 1 − e^(−λx) geeft de kans dat de gebeurtenis vóór x plaatsvindt, terwijl de overlevingskans P(X > x) = e^(−λx) de kans geeft dat je langer dan x wacht. De keuzelijst selecteert welke van deze als hoofdresultaat wordt getoond; beide staan ook in de uitsplitsing.

De verdeling heeft gemiddelde 1/λ en variantie 1/λ², dus grotere snelheden betekenen kortere verwachte wachttijden en een nauwere spreiding. Hij is geheugenloos: P(X > s + t | X > s) = P(X > t), dus verstreken wachttijd verandert de toekomstige verdeling niet. Randgevallen: λ ≤ 0 of x < 0 zijn ongeldig en geven geen resultaat; naarmate x groeit, nadert P(X < x) 1 en P(X > x) 0.

Veelgestelde vragen

λ is het gemiddelde aantal gebeurtenissen per tijds- (of afstands-)eenheid. Het omgekeerde 1/λ is de gemiddelde wachttijd tussen gebeurtenissen.

Omdat de kans om nog een tijd t te wachten niet afhangt van hoe lang je al hebt gewacht: P(X > s + t | X > s) = P(X > t).

Ja. Als je de gemiddelde wachttijd m kent, stel je λ = 1/m in, omdat het gemiddelde van een exponentiële verdeling gelijk is aan 1/λ.

Ook bekend als

exponentiele verdeling
exponentiële verdeling
exponentiele kans
rate parameter
wachttijd verdeling
geheugenloze verdeling

APA

TG we-Calculate Editorial Team. (2026). Calculator voor exponentiële verdeling [Online calculator]. TG we-Calculate. https://we-calculate.com/nl/calculator/exponential-distribution-calculator

Chicago

TG we-Calculate Editorial Team. "Calculator voor exponentiële verdeling." TG we-Calculate. 2026. https://we-calculate.com/nl/calculator/exponential-distribution-calculator.

IEEE

TG we-Calculate Editorial Team, "Calculator voor exponentiële verdeling," TG we-Calculate, 2026. [Online]. Available: https://we-calculate.com/nl/calculator/exponential-distribution-calculator

BibTeX

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

Heeft deze rekenmachine je geholpen?