Kalkulator rozkładu wykładniczego

Q: Jak obliczyć prawdopodobieństwa rozkładu wykładniczego ręcznie?

Wszystko sprowadza się do iloczynu λ t. Oblicz λ × t (pamiętając, by obie wartości wyrażone były w tej samej jednostce czasu), a następnie wyznacz P(X ≤ t) = 1 - e^-λ t oraz P(X > t) = e^-λ t na dowolnym kalkulatorze z klawiszem e^x. Dla przedziału odejmij: P(a ≤ X ≤ b) = e^-λ a - e^-λ b. Na przykład dla λ = 0,5 na godzinę i t = 4 godzin mamy λ t = 2, więc P(X ≤ 4) = 1 - e^-2 ≈ 0,8647.

Q: Jak przeliczać intensywność λ na średni czas oczekiwania i odwrotnie?

Te dwie wielkości są odwrotnościami: λ = 1/μ oraz μ = 1/λ. Jeśli zdarzenia zachodzą średnio co 12 minut, to λ = 1/12 na minutę ≈ 0,0833/min, czyli równoważnie 5 na godzinę. Uważaj na jednostki: intensywność 3 na godzinę to nie 3 na minutę — to 0,05 na minutę. Kalkulator wykonuje tę konwersję automatycznie, więc możesz podać dowolny z nich w dowolnej jednostce.

Q: Czy gęstość f(t) może być większa niż 1?

Tak, i to nie jest błąd. f(t) to gęstość na jednostkę czasu, a nie prawdopodobieństwo, więc jej wartość zależy od jednostki czasu — gęstość 2 na minutę to 120 na godzinę. Tylko prawdopodobieństwa, takie jak F(t), S(t) i prawdopodobieństwo przedziałowe, są ograniczone do zakresu od 0 do 1. Jeśli potrzebujesz rzeczywistego prawdopodobieństwa dla oczekiwania, użyj F(t) albo oblicz P(a ≤ X ≤ b) dla przedziału.

Q: Jak znaleźć czas, przed którym wystąpi zadany procent zdarzeń?

Odwróć funkcję skumulowaną. Percentyl rzędu p wynosi t_p = -ln(1 - p)/λ. Na przykład 95. percentyl to -ln(0,05)/λ ≈ 3/λ, co oznacza, że 95% oczekiwań kończy się przed upływem trzech średnich czasów oczekiwania, a tylko 5% trwa dłużej. Przypadek szczególny p = 0,5 daje medianę ln 2/λ. Kalkulator automatycznie wyświetla medianę i 90. percentyl w swoim podsumowaniu.

Zaktualizowano: 4 października 2026

Oblicz prawdopodobieństwa rozkładu wykładniczego na podstawie intensywności λ lub średniego czasu oczekiwania: gęstość, P(X ≤ t), P(X > t), prawdopodobieństwo przedziałowe, średnią i medianę. Wprowadź intensywność, czas oraz opcjonalnie koniec przedziału.

Oblicz prawdopodobieństwa rozkładu wykładniczego

Określ parametr za pomocą

Intensywność (λ)

Średnia liczba zdarzeń na jednostkę czasu.

Czas

Czas (t)

Interesujący Cię czas oczekiwania.

Koniec przedziału (b)

Opcjonalnie: wypełnij, aby otrzymać także P(t ≤ X ≤ b). Zostaw puste, aby pominąć.

Obliczaj automatyczniePo włączeniu wynik aktualizuje się automatycznie po zmianie dowolnej wartości.

Wyniki rozkładu wykładniczego

Gęstość f(t)f(t)

Prawdopodobieństwo skumulowane P(X ≤ t)F(t)

Prawdopodobieństwo przetrwania P(X > t)S(t)

Prawdopodobieństwo przedziałowe P(t ≤ X ≤ b)

Średni czas oczekiwania E(X)E(X)

Wzór, mediana i interpretacja

Wzory rozkładu wykładniczego

Wzór

\[ f(t) = \lambda e^{-\lambda t}, \qquad F(t) = P(X \le t) = 1 - e^{-\lambda t} \] \[ S(t) = P(X > t) = e^{-\lambda t}, \qquad P(a \le X \le b) = e^{-\lambda a} - e^{-\lambda b} \] \[ E(X) = \frac{1}{\lambda}, \qquad \text{mediana} = \frac{\ln 2}{\lambda} \]

gdzie:

\(\lambda\) — parametr intensywności: średnia liczba zdarzeń na jednostkę czasu
\(t\) — interesujący nas czas oczekiwania
\(f(t)\) — gęstość prawdopodobieństwa w chwili \(t\)
\(F(t)\) — skumulowane prawdopodobieństwo oczekiwania nie dłuższego niż \(t\)
\(S(t)\) — prawdopodobieństwo przetrwania, czyli oczekiwania dłuższego niż \(t\)

Rozkład wykładniczy opisuje czas między kolejnymi zdarzeniami zachodzącymi niezależnie ze stałą średnią intensywnością. Jedyny parametr \(\lambda\) określa wszystko; średni czas oczekiwania to po prostu \(1/\lambda\).

Rozkład wykładniczy – przykład obliczenia

Przykład: połączenia przychodzą do call center ze średnią intensywnością 2 na godzinę. Jakie jest prawdopodobieństwo, że następne połączenie nadejdzie w ciągu 1 godziny, a jakie, że nadejdzie między 1 a 2 godzinami?

\[ \lambda t = 2 \times 1 = 2 \]

\[ F(1) = 1 - e^{-2} = 1 - 0{,}1353 = 0{,}8647 \]

\[ P(1 \le X \le 2) = e^{-2} - e^{-4} = 0{,}1353 - 0{,}0183 = 0{,}1170 \]

Wynik: P(X ≤ 1 h) = 86,47%, P(X > 1 h) = 13,53%, a P(1 h ≤ X ≤ 2 h) = 11,70%. Gęstość dla t = 1 h wynosi f(1) = 2e⁻² ≈ 0,2707 na godzinę, średni czas oczekiwania to 0,5 godziny (30 minut), a mediana ln(2)/2 ≈ 0,3466 godziny (ok. 20,8 minuty). Są to dokładnie te wartości, które kalkulator pokazuje przy ustawieniach domyślnych.

Jak korzystać z kalkulatora

Otwórz Podaj parametr jako i wybierz, czy chcesz wprowadzić intensywność \(\lambda\) (zdarzenia na jednostkę czasu), czy średni czas oczekiwania \(\mu\). Wyświetli się tylko odpowiednie pole.
Jeśli wybrałeś intensywność, wypełnij Intensywność (λ) i wybierz jednostkę czasu, w jakiej jest wyrażona (na sekundę, na minutę, na godzinę, na dzień, na rok). Jeśli wybrałeś średnią, wypełnij Średni czas oczekiwania (μ) wraz z jednostką; kalkulator przeliczy go przez \(\lambda = 1/\mu\).
Wprowadź Czas (t) — interesujący Cię czas oczekiwania — i wybierz jego jednostkę w polu „w”.
Opcjonalnie wypełnij Koniec przedziału (b), aby otrzymać także prawdopodobieństwo \(P(t \le X \le b)\). Zostaw to pole puste, aby pominąć ten wynik.
Odczytaj wyniki: gęstość \(f(t)\), prawdopodobieństwo skumulowane \(P(X \le t)\), prawdopodobieństwo przetrwania \(P(X > t)\), prawdopodobieństwo przedziałowe, średni czas oczekiwania oraz podsumowanie zawierające medianę, czas odpowiadający 90. percentylowi i opisową interpretację.

Czym jest rozkład wykładniczy?

Rozkład wykładniczy opisuje czas oczekiwania do następnego zdarzenia w procesie, w którym zdarzenia zachodzą niezależnie ze stałą średnią intensywnością — w procesie Poissona. Typowe zastosowania to czas między przyjazdami klientów, czas do rozpadu cząstki radioaktywnej, czas życia elementu elektronicznego albo czas do następnej awarii serwera.

Rozkład jest określony jednym parametrem — intensywnością \(\lambda\). Gęstość prawdopodobieństwa \(f(t) = \lambda e^{-\lambda t}\) jest największa dla \(t = 0\) i płynnie maleje, co oznacza, że krótkie czasy oczekiwania są najbardziej prawdopodobne. Funkcja skumulowana \(F(t) = 1 - e^{-\lambda t}\) daje prawdopodobieństwo, że oczekiwanie zakończy się najpóźniej w chwili \(t\); jej uzupełnienie, funkcja przeżycia \(S(t) = e^{-\lambda t}\), daje prawdopodobieństwo, że w chwili \(t\) wciąż trwa oczekiwanie.

Średnia i odchylenie standardowe są oba równe \(1/\lambda\), natomiast mediana \(\ln(2)/\lambda \approx 0{,}693/\lambda\) jest mniejsza. Prowadzi to do praktycznego wniosku: ponad połowa wszystkich oczekiwań kończy się przed czasem średnim. Długie oczekiwanie jest możliwe, ale coraz rzadsze — na przykład tylko 5% oczekiwań przekracza \(3/\lambda\).

Definitywną cechą rozkładu wykładniczego jest brak pamięci: \(P(X > s + t \mid X > s) = P(X > t)\). Jeśli żarówka o wykładniczo rozłożonym czasie życia świeci już od roku, jej szanse na przetrwanie kolejnego roku są dokładnie takie same jak w chwili, gdy była nowa. Dzięki temu rozkład wykładniczy jest ciągłym odpowiednikiem rozkładu geometrycznego i naturalnym towarzyszem rozkładu Poissona, który opisuje liczbę zdarzeń w ustalonym okresie, a nie czas między nimi.

Założenia, ograniczenia i wskazówki

Stała intensywność. Model zakłada, że zdarzenia zachodzą ze stałą średnią intensywnością przez cały czas. Jeśli intensywność się zmienia (np. napływ klientów w godzinach szczytu, zużywanie się części mechanicznych), rozkład wykładniczy zawyży lub zaniży prawdopodobieństwa.
Niezależność. Jedno zdarzenie nie może wpływać na moment wystąpienia następnego. Grupowanie się zdarzeń narusza to założenie.
Brak pamięci. Jeśli proces jest naprawdę wykładniczy, już upływ czasu oczekiwania nie niesie żadnej informacji o pozostałym czasie. Czasy życia maszyn i ludzi zwykle nie są pozbawione pamięci; dla nich lepiej pasują modele niezawodnościowe, takie jak rozkład Weibulla.
Jednostki. Kalkulator przelicza wewnętrznie wszystkie jednostki, więc możesz podać intensywność na godzinę i czas w minutach bez samodzielnego przeliczania. Rok przyjmowany jest jako 365 dni.
Gęstość a prawdopodobieństwo. \(f(t)\) to gęstość na jednostkę czasu, a nie prawdopodobieństwo — może przekraczać 1. Sensowne wypowiedzi prawdopodobieństwowe to \(F(t)\), \(S(t)\) i prawdopodobieństwo przedziałowe.
Jeśli chcesz modelować liczby zdarzeń zamiast czasów oczekiwania, użyj kalkulatora rozkładu Poissona; dla wyników typu tak/nie przy ustalonej liczbie prób zobacz kalkulator rozkładu dwumianowego, a dla symetrycznych danych ciągłych kalkulator rozkładu normalnego.

Najczęściej zadawane pytania

Jak obliczyć prawdopodobieństwa rozkładu wykładniczego ręcznie?

Wszystko sprowadza się do iloczynu \(\lambda t\). Oblicz \(\lambda \times t\) (pamiętając, by obie wartości wyrażone były w tej samej jednostce czasu), a następnie wyznacz \(P(X \le t) = 1 - e^{-\lambda t}\) oraz \(P(X > t) = e^{-\lambda t}\) na dowolnym kalkulatorze z klawiszem \(e^x\). Dla przedziału odejmij: \(P(a \le X \le b) = e^{-\lambda a} - e^{-\lambda b}\). Na przykład dla \(\lambda = 0{,}5\) na godzinę i \(t = 4\) godzin mamy \(\lambda t = 2\), więc \(P(X \le 4) = 1 - e^{-2} \approx 0{,}8647\).

Jak przeliczać intensywność λ na średni czas oczekiwania i odwrotnie?

Te dwie wielkości są odwrotnościami: \(\lambda = 1/\mu\) oraz \(\mu = 1/\lambda\). Jeśli zdarzenia zachodzą średnio co 12 minut, to \(\lambda = 1/12\) na minutę ≈ 0,0833/min, czyli równoważnie 5 na godzinę. Uważaj na jednostki: intensywność 3 na godzinę to nie 3 na minutę — to 0,05 na minutę. Kalkulator wykonuje tę konwersję automatycznie, więc możesz podać dowolny z nich w dowolnej jednostce.

Dlaczego mediana jest mniejsza niż średni czas oczekiwania?

Rozkład wykładniczy jest prawostronnie skośny, więc kilka bardzo długich oczekiwań podnosi średnią. Mediana wynosi \(\ln 2/\lambda \approx 0{,}693/\lambda\), czyli około 69% średniej \(1/\lambda\). W praktyce oznacza to, że ponad połowa wszystkich oczekiwań kończy się przed czasem średnim: przy średniej 30 minut mediana wynosi jedynie około 20,8 minuty. Wiele osób sądzi, że „średnia” to „typowa wartość” — tutaj tak nie jest.

Kiedy stosować rozkład wykładniczy zamiast rozkładu Poissona?

Opisują one dwa aspekty tego samego procesu. Rozkładu Poissona używaj, gdy liczysz, ile zdarzeń wystąpi w ustalonym okresie (np. liczba połączeń w ciągu godziny). Rozkładu wykładniczego używaj, gdy mierzysz czas do następnego zdarzenia (np. minuty do następnego połączenia). Jeśli zdarzenia przebiegają zgodnie z procesem Poissona o intensywności \(\lambda\), czasy oczekiwania między nimi mają rozkład wykładniczy o tej samej intensywności \(\lambda\).

Czy gęstość f(t) może być większa niż 1?

Tak, i to nie jest błąd. \(f(t)\) to gęstość na jednostkę czasu, a nie prawdopodobieństwo, więc jej wartość zależy od jednostki czasu — gęstość 2 na minutę to 120 na godzinę. Tylko prawdopodobieństwa, takie jak \(F(t)\), \(S(t)\) i prawdopodobieństwo przedziałowe, są ograniczone do zakresu od 0 do 1. Jeśli potrzebujesz rzeczywistego prawdopodobieństwa dla oczekiwania, użyj \(F(t)\) albo oblicz \(P(a \le X \le b)\) dla przedziału.

Jak znaleźć czas, przed którym wystąpi zadany procent zdarzeń?

Odwróć funkcję skumulowaną. Percentyl rzędu \(p\) wynosi \(t_p = -\ln(1 - p)/\lambda\). Na przykład 95. percentyl to \(-\ln(0{,}05)/\lambda \approx 3/\lambda\), co oznacza, że 95% oczekiwań kończy się przed upływem trzech średnich czasów oczekiwania, a tylko 5% trwa dłużej. Przypadek szczególny \(p = 0{,}5\) daje medianę \(\ln 2/\lambda\). Kalkulator automatycznie wyświetla medianę i 90. percentyl w swoim podsumowaniu.

Jakie są najczęstsze błędy przy stosowaniu tego rozkładu?

Największym z nich jest stosowanie go do procesów, które nie są pozbawione pamięci. Części mechaniczne, które się zużywają, czas życia ludzi czy ruch w godzinach szczytu mają zmienną funkcję intensywności awarii i zwykle lepiej pasuje rozkład Weibulla. Inne częste błędy: mieszanie jednostek (intensywność na godzinę z czasem w minutach), mylenie intensywności ze średnią oraz interpretowanie gęstości \(f(t)\) jako prawdopodobieństwa. Pamiętaj też, że model zakłada niezależność zdarzeń — grupujące się zdarzenia naruszają to założenie. Przy decyzjach zdrowotnych lub dotyczących niezawodności najpierw zweryfikuj założenie stałej intensywności na podstawie danych.