Exponentialverteilung
In diesem Beitrag
Was versteht man unter Exponentialverteilung?
Die Exponentialverteilung ist eine stetige Wahrscheinlichkeitsverteilung, die beschreibt, wie lange man im Durchschnitt warten muss, bis ein bestimmtes Ereignis eintritt. Typische Anwendungen sind Wartezeiten, Lebensdauern von Geräten oder Zeitspannen zwischen zufällig eintreffenden Ereignissen.
Eine Zufallsvariable heißt exponentialverteilt mit dem Parameter (Ereignisrate, auch Intensität genannt), wenn ihre Wahrscheinlichkeitsdichtefunktion (PDF) lautet:
Dichtefunktion der Exponentialverteilung
Dabei gilt und . Der Parameter gibt an, wie häufig das Ereignis pro Zeiteinheit durchschnittlich auftritt. Der Kehrwert ist der Erwartungswert, also die mittlere Wartezeit bis zum Ereignis.
Die zugehörige kumulative Verteilungsfunktion (CDF) gibt die Wahrscheinlichkeit an, dass das Ereignis bis zum Zeitpunkt eingetreten ist:
Verteilungsfunktion (CDF)
Ein zentrales Merkmal der Exponentialverteilung ist die sogenannte Gedächtnislosigkeit: Wie lange man bereits gewartet hat, beeinflusst die Wahrscheinlichkeit für zukünftige Wartezeiten nicht. Formal bedeutet das:
Gedächtnislosigkeit
Warum ist die Exponentialverteilung für statistische Analysen wichtig?
Die Exponentialverteilung spielt in vielen Bereichen der Wissenschaft und Praxis eine zentrale Rolle. Sie ist eng mit dem Poisson-Prozess verknüpft: Wenn Ereignisse gleichmäßig zufällig und unabhängig voneinander in der Zeit auftreten (Poisson-verteilt), dann sind die Wartezeiten zwischen diesen Ereignissen exponentialverteilt. Das macht die Exponentialverteilung zu einem Grundbaustein der Warteschlangentheorie, Zuverlässigkeitsanalyse und Überlebenszeitanalyse (Survival Analysis).
Typische Einsatzgebiete sind:
- Ingenieurwesen: Modellierung der Lebensdauer von Bauteilen oder Maschinen
- Medizin und Epidemiologie: Zeitspannen bis zum Auftreten eines Ereignisses (z. B. Rückfall, Tod)
- Informatik: Wartezeiten in Netzwerken oder zwischen Serveranfragen
- Wirtschaft: Zeitspannen zwischen Kundentransaktion oder Ausfällen
Praxisbeispiel zu Exponentialverteilung
Ein technischer Support erhält im Durchschnitt 6 Anrufe pro Stunde. Die Zwischenankunftszeiten der Anrufe sollen analysiert werden.
Da die Anrufe zufällig und unabhängig voneinander eingehen, lässt sich die Wartezeit zwischen zwei Anrufen als exponentialverteilt modellieren mit (Anrufe pro Stunde). Der Erwartungswert – also die mittlere Wartezeit bis zum nächsten Anruf – beträgt:
Mittlere Wartezeit
Das entspricht 10 Minuten. Nun soll die Wahrscheinlichkeit berechnet werden, dass der nächste Anruf innerhalb von 5 Minuten (= 1/12 Stunde) eingeht:
Berechnung der Wahrscheinlichkeit
| Wartezeit | Wahrscheinlichkeit P(X ≤ t) |
|---|---|
| 5 Minuten (t = 1/12 h) | ≈ 39,3 % |
| 10 Minuten (t = 1/6 h) | ≈ 63,2 % |
| 20 Minuten (t = 1/3 h) | ≈ 86,5 % |
| 30 Minuten (t = 1/2 h) | ≈ 95,0 % |
Die Tabelle zeigt, wie schnell die Wahrscheinlichkeit ansteigt: Mit 95-prozentiger Wahrscheinlichkeit ist innerhalb von 30 Minuten ein Anruf eingegangen – obwohl der Erwartungswert nur 10 Minuten beträgt. Das verdeutlicht die rechtsschiefe Natur der Exponentialverteilung.
