Intermediate

Калькулятор показательного распределения

Вычислите вероятности показательного распределения, среднее и дисперсию по параметру интенсивности λ и значению 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.
Результаты являются ориентировочными и предназначены только для общего ознакомления, а не для профессиональных рекомендаций — всегда самостоятельно проверяйте важные результаты, прежде чем полагаться на них. Читать полный отказ от ответственности.
Быстрый ответ

Как работает этот калькулятор?

Для показательного распределения с интенсивностью λ вероятность наступления события до x равна P(X<x) = 1 − e^(−λx), а после x — P(X>x) = e^(−λx). Среднее равно 1/λ, дисперсия — 1/λ². Введите λ и x, чтобы получить эти вероятности и кривую плотности.

Формула
f(x) = λe^(−λx); P(X<x) = 1 − e^(−λx); P(X>x) = e^(−λx); Среднее = 1/λ; Дисперсия = 1/λ²
How this is calculated

Показательное распределение моделирует время ожидания между независимыми событиями, происходящими с постоянной средней интенсивностью λ. Введите интенсивность λ (событий за единицу времени или пространства) и значение x, при котором нужно оценить распределение. Интенсивность должна быть положительной, а x — неотрицательным.

Функция плотности вероятности f(x) = λe^(−λx) при x ≥ 0. Кумулятивная вероятность P(X < x) = 1 − e^(−λx) даёт вероятность того, что событие произойдёт до x, а вероятность выживания P(X > x) = e^(−λx) — вероятность того, что ожидание продолжится дольше x. Раскрывающийся список выбирает, какая из этих вероятностей отображается как основной результат; обе также перечислены в разбивке.

Распределение имеет среднее 1/λ и дисперсию 1/λ², поэтому большая интенсивность означает более короткое ожидаемое время ожидания и меньший разброс. Оно обладает свойством отсутствия памяти: P(X > s + t | X > s) = P(X > t), то есть прошедшее время ожидания не влияет на будущее распределение. Граничные случаи: λ ≤ 0 или x < 0 недопустимы и не возвращают результат; по мере роста x P(X < x) стремится к 1, а P(X > x) — к 0.

Часто задаваемые вопросы

λ — среднее число событий за единицу времени (или расстояния). Его обратная величина 1/λ — среднее время ожидания между событиями.

Потому что вероятность ожидания ещё t времени не зависит от того, сколько уже прошло: P(X > s + t | X > s) = P(X > t).

Да. Если известно среднее время ожидания m, задайте λ = 1/m, поскольку среднее показательного распределения равно 1/λ.

Также известен как

экспоненциальное распределение
показательное распределение
параметр интенсивности
время ожидания непрерывное
экспоненциальная вероятность
exponential distribution
лямбда распределение

APA

TG we-Calculate Editorial Team. (2026). Калькулятор показательного распределения [Online calculator]. TG we-Calculate. https://we-calculate.com/ru/calculator/exponential-distribution-calculator

Chicago

TG we-Calculate Editorial Team. "Калькулятор показательного распределения." TG we-Calculate. 2026. https://we-calculate.com/ru/calculator/exponential-distribution-calculator.

IEEE

TG we-Calculate Editorial Team, "Калькулятор показательного распределения," TG we-Calculate, 2026. [Online]. Available: https://we-calculate.com/ru/calculator/exponential-distribution-calculator

BibTeX

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

Этот калькулятор вам помог?

Похожие калькуляторы