지수분포 계산기

지수분포의 PDF, CDF, 통계를 계산합니다.

속도 매개변수 λ와 값 x를 입력하여 지수분포의 확률과 통계값을 계산합니다.

지수분포 계산기
지수분포의 PDF, CDF, 통계를 계산합니다.

지수분포 계산기 소개

지수분포는 포아송 과정에서 사건 사이의 대기 시간을 설명하는 연속 확률분포입니다. 포아송 과정이란 사건이 일정한 평균 속도로 지속적이고 독립적으로 발생하는 과정을 말합니다. 지수분포는 λ(람다)라는 하나의 매개변수로 특징지어지며, 이를 속도 매개변수라고 하고 단위 시간당 평균 사건 수를 의미합니다. 사건 사이의 평균 대기 시간은 1/λ입니다. 확률밀도함수(PDF)는 x ≥ 0에서 f(x) = λe^(−λx)입니다. 누적분포함수(CDF)는 F(x) = P(X ≤ x) = 1 − e^(−λx)로, 다음 사건이 x 이하의 시간에 발생할 확률을 나타냅니다. 생존함수 P(X > x) = e^(−λx)는 시각 x까지 사건이 아직 발생하지 않았을 확률입니다. 지수분포의 핵심 성질은 무기억성입니다. P(X > s + t | X > s) = P(X > t)로 표현되며, 이미 s만큼 기다렸는데도 사건이 없었다면 추가로 t를 기다릴 확률은 처음부터 기다릴 때와 같습니다. 연속분포 중 이 성질을 가지는 것은 지수분포뿐이므로, 노화나 열화가 없는 시스템을 모델링하는 데 특히 적합합니다. 지수분포의 통계량은 모두 λ로 표현할 수 있습니다. 평균 = 1/λ, 분산 = 1/λ², 표준편차 = 1/λ, 중앙값 = ln(2)/λ ≈ 0.693/λ입니다. 평균이 중앙값보다 큰 이유는 분포가 오른쪽으로 치우쳐 있기 때문입니다. 실제 적용 분야도 매우 넓습니다. 신뢰성 공학에서는 마모되지 않는 전자 부품의 수명(예: 일부 트랜지스터)을 모델링합니다. 대기행렬 이론에서는 도착 간격과 서비스 시간을 설명합니다. 핵물리학에서는 방사성 붕괴가 지수분포를 따릅니다. 통신에서는 연속적인 패킷 도착 사이의 시간을 모델링합니다. 금융에서는 단순화된 모델에서 거래나 신용 사건 사이의 시간을 근사합니다.

예시

이 예시는 지수분포가 실제 상황에서 어떻게 나타나는지 보여줍니다.

매개변수확률상황
λ = 2 per min, x = 0.5 minP(X < 0.5) ≈ 0.6321고객센터 전화가 분당 2건 도착할 때, 30초 안에 다음 전화가 올 확률은 63%
λ = 0.0005 per hr, x = 2500 hrP(X ≥ 2500) ≈ 0.2865평균 수명 2000시간인 전구가 2500시간 이상 버틸 확률은 29%
λ = 0.1 per sec, x = 5 secf(5) ≈ 0.0607정확히 5초에서의 방사성 붕괴 PDF
λ = 0.1 per min, x = 15 minP(X > 15) ≈ 0.2231버스가 평균 10분마다 올 때, 15분 이상 기다릴 확률은 22%

이 계산기 사용법

  1. 속도 매개변수 λ(람다)를 입력합니다. 이는 단위 시간당 평균 사건 수입니다. 평균 도착 시간이 10분이면 λ = 1/10 = 0.1입니다.
  2. 값 x를 입력합니다. 분포를 평가하려는 구체적인 시간(또는 거리, 기타 값)입니다.
  3. 계산 유형을 선택합니다. PDF는 x에서의 확률밀도, CDF 옵션은 누적확률입니다.
  4. 계산을 클릭하면 선택한 확률과 함께 평균, 중앙값, 분산, 표준편차가 표시됩니다.
  5. 빠른 불러오기 버튼으로 지수분포의 대표적인 실제 사례를 살펴보세요.

자주 묻는 질문

속도 매개변수 λ는 무엇을 의미하나요?
속도 매개변수 λ(람다)는 단위 시간(또는 거리, 공간)당 발생하는 평균 사건 수입니다. 예를 들어 고객이 시간당 3명 도착한다면 λ = 시간당 3이고, 평균 도착 간격은 1/λ = 20분입니다. λ가 클수록 사건은 더 자주 발생하고 분포는 0 근처에 더 집중됩니다.
PDF와 CDF의 차이는 무엇인가요?
PDF f(x) = λe^(−λx)는 특정 점 x에서의 확률밀도를 뜻합니다. 이는 확률 자체가 아니라 x 단위당 확률의 비율입니다. CDF F(x) = P(X ≤ x) = 1 − e^(−λx)는 확률변수가 x 이하일 확률을 뜻하며, 0과 1 사이의 실제 확률입니다. 연속분포에서는 정확히 한 점의 확률은 0이고, 확률은 구간에만 적용됩니다.
무기억성이란 무엇인가요?
무기억성은 P(X > s + t | X > s) = P(X > t)를 뜻합니다. 이미 s만큼 기다렸는데 사건이 없었다면, 추가로 t를 기다릴 확률은 막 시작했을 때와 같습니다. 실무적으로는 1000시간 동안 작동한 전구가 다음 1시간 안에 고장날 확률이 새 전구와 같다는 의미로, 노화 효과가 없습니다. 연속분포 중 이 성질을 가진 것은 지수분포뿐입니다.
왜 평균이 중앙값보다 큰가요?
지수분포의 평균은 1/λ이고 중앙값은 ln(2)/λ ≈ 0.693/λ입니다. 중앙값이 더 작은 이유는 분포가 오른쪽으로 치우쳐 있고, 큰 값의 긴 꼬리가 평균을 위로 끌어올리기 때문입니다. 관측치의 절반 이상이 평균보다 작다는 점은 양의 왜도를 가진 분포의 특징입니다. 신뢰성 분석에서는 '전형적인' 고장 시점을 평균이 아니라 중앙값으로 보는 것이 중요합니다.
지수분포로 수명 데이터를 모델링할 수 있나요?
지수분포는 고장률이 일정한 부품에 적합합니다. 즉, 시간이 지나도 마모되지 않고 피로나 노화의 영향을 받지 않는 대상입니다. 이는 일부 전자 부품이나 소프트웨어 오류에는 합리적인 모델입니다. 하지만 마모가 발생하는 부품(기계 부품이나 인간 수명 등)에는 형태 매개변수가 1이 아닌 Weibull 분포가 더 적절합니다.
경험 데이터에서 λ는 어떻게 구하나요?
관측 데이터 x₁, x₂, …, xₙ에서 λ의 최대우도추정값은 표본 평균의 역수입니다. 즉 λ̂ = n / Σxᵢ = 1 / x̄입니다. 직관적으로도 자연스럽습니다. 사건이 평균 5분마다 발생한다면(평균 = 5), 속도는 λ = 1/5 = 분당 0.2입니다. Q-Q 플롯이나 적합도 검정으로 지수분포 적합성을 확인할 수 있습니다.