#author("2023-02-03T17:30:22+09:00;2023-02-03T17:27:57+09:00","default:inoue.ko","inoue.ko")
*指数分布
Exponential Distribution
~
#image(ExponentialDistribution.png,right,30%)
指数分布とは、単位時間に平均して λ（ラムダ）回起こる現象が、次に起こるまでの時間 X が従う確率分布です。&mathjax(X 〜 E_x(λ));と書きます。
&scale(75){Source：[[Wikimedia Commons File:Exponential distribution pdf.png>https://commons.wikimedia.org/wiki/File:Exponential_distribution_pdf.png]]};
単位時間に平均して λ（ラムダ）回起こる現象とは、言い換えると、１／ λ（単位時間）が X の平均的な値（期待値）になるということで、λ が大きくなるほど、期待値が小さく、グラフは左に寄る・・というイメージになります。
機械が故障してから次に故障するまでの時間や、客が来てから次の客が来るまでの時間などを統計的に扱う場合に、指数分布を使います。
指数分布は__[[ポアソン分布>Statistics/PoissonDistribution]]__と深い関係にあります。ポアソン分布は、単位時間内に事象の起こる回数の確率を表現する一方、指数分布は事象の起こる間隔の確率を表現しています。同じ事象を裏返しに見ているわけで、指数分布の平均が１／ λ になるのは、そのことを示しています。
~
***確率密度関数
指数分布は、単位時間中にある事象が発生する平均回数 λ をパラメータとして、以下のように書けます。
#mathjax( f(x) = λ e^{-λx} （ x \geq 0 ）)
#mathjax( f(x) = 0 （ x < 0 ）)
λ というパラメータは、指数分布の確率変数である「時間 X 」の期待値の逆数で、直感的にはわかりにくいので、期待値 μ = 1/λ を利用して、以下のように書く場合もあります。
#mathjax( f(x) = \frac{1}{μ} e^{-\frac{x}{μ}} （ x \geq 0 ）)
//#mathjax( f(x) = \frac{1}{μ} exp \left( -\frac{x}{μ} \right) )
#mathjax( f(x) = 0 （ x < 0 ）)
ちなみに、Python の __[[NumPy]]__ライブラリが持っている「指数分布乱数」の解説でも、確率密度関数が期待値（ β = 1/λ ）を使った表現になっていて、 パラメータとしては期待値（β）を渡す形式になっています。
__[[NumPy：numpy.random.exponential>https://numpy.org/doc/stable/reference/random/generated/numpy.random.exponential.html]]__
~
***累積分布関数
#image(ExponentialDistributionCDF.png,right,30%)
指数分布はポアソン分布と異なり、連続型の分布なので、実際に確率を計算する場合は、累積確率を計算するのが一般的で、例えば X：0 〜 x の累積確率は、以下のようになります。
&scale(75){Source：[[Wikimedia Commons File:Exponential distribution cdf.png>https://commons.wikimedia.org/wiki/File:Exponential_distribution_cdf.png]]};
#mathjax( F(\leqq x) = 1 - e^{-λx} )
例えば、１時間に平均５人の客が来る（λ = 5、客の平均到着間隔は12分）窓口で、次の客が来るまでの間隔が15分（x = 0.25）''以内''である確率は、以下のように計算できます（単位時間は１時間です）。
#mathjax( F(\leqq 0.25) = 1 - e^{-5 \times 0.25} = 1 - 0.286 = 0.714 )
~
~
***期待値と分散
-期待値
#mathjax(E(x) = μ = \frac{1}{λ})
-分散
#mathjax(V(x) = \frac{1}{λ^2})
~
~
**APPENDIX
***関連ページ
-[[Statistics/PoissonDistribution]]：ポアソン分布
-[[InversionMethod]]：逆関数法を用いた指数分布乱数の発生
~
~
~
