التوزيع الأسي

خطوات الاستخدام

1. فهم التوزيع الأسي: يصف التوزيع الأسي الوقت بين الأحداث المستقلة التي تحدث بمعدل ثابت. يُستخدم غالبًا لوصف أوقات الانتظار، مثل الوقت حتى اضمحلال جسيم مشع أو الوقت بين وصول العملاء. يُعرَّف التوزيع بمعامل واحد λ (لامدا)، وهو معامل المعدل، وهو متوسط عدد الأحداث لكل وحدة زمنية. متوسط التوزيع هو 1/λ، والتباين هو 1/λ².

2. إدخال معامل المعدل λ: أدخل قيمة λ، ويجب أن تكون أكبر من 0 (λ > 0). يمثل هذا المعدل الذي تحدث به الأحداث. على سبيل المثال، إذا كانت الأحداث تحدث في المتوسط 5 مرات في الساعة، فإن λ = 5. يحدد اختيار λ شكل التوزيع: λ أكبر يعني حدوث أحداث أكثر تكرارًا، مما يؤدي إلى أوقات انتظار أقصر في المتوسط.

3. إدخال القيمة x: أدخل الوقت أو القيمة x التي تريد تقييم التوزيع عندها. يجب أن تكون x غير سالبة (x ≥ 0) لأن الوقت لا يمكن أن يكون سالبًا. هذه هي النقطة التي ستحسب عندها دالة كثافة الاحتمال (PDF) ودالة التوزيع التراكمي (CDF).

الأسئلة الشائعة

خاصية عدم الذاكرة هي السمة المميزة للتوزيع الأسي. رياضيًا، تنص على أنه لجميع s, t ≥ 0: P(X > s+t | X > s) = P(X > t). بعبارات بسيطة، هذا يعني أن احتمال انتظار مقدار إضافي من الوقت t، بشرط أنك انتظرت بالفعل s، هو بالضبط نفس احتمال انتظار t من البداية. بمعنى آخر، العملية لا 'تتذكر' المدة التي انتظرتها؛ وقت الانتظار المستقبلي مستقل عن الماضي. هذه الخاصية حاسمة في العديد من المجالات. في هندسة الموثوقية، تعني أن المكون الذي يعمل لمدة s ساعة لديه نفس احتمال الفشل في الساعات t التالية مثل مكون جديد تمامًا. هذه الفرضية تدعم العديد من نماذج المكونات الإلكترونية ذات معدلات الفشل الثابتة. في نظرية الطوابير، خاصية عدم الذاكرة لأوقات الوصول الأسية تبسط تحليل الأنظمة مثل مراكز الاتصالات، حيث يصبح عدد العملاء في النظام عملية ماركوف. ومع ذلك، فإن هذه الخاصية تحد أيضًا من التوزيع الأسي لنمذجة العمليات دون شيخوخة أو تآكل. على سبيل المثال، أعمار البشر لا تتبع توزيعًا أسيًا لأن احتمال الموت يزداد مع العمر. فهم متى تنطبق خاصية عدم الذاكرة أمر ضروري لاختيار النماذج الإحصائية المناسبة.

التوزيع الأسي وتوزيع بواسون مرتبطان بعمق. إذا حدثت الأحداث وفقًا لعملية بواسون بمعدل λ، فإن عدد الأحداث في فترة زمنية ثابتة يتبع توزيع بواسون بمتوسط λt، بينما الوقت بين الأحداث المتتالية يتبع توزيعًا أسيًا بمعدل λ. بعبارة أخرى، توزيع بواسون يعد الأحداث، والتوزيع الأسي يقيس الفجوات بينها. هذه العلاقة أساسية في العمليات العشوائية. على سبيل المثال، لنفترض عملية بواسون مع λ=5 حدثًا في الساعة. احتمال حدوث 3 أحداث بالضبط في الساعة القادمة يُعطى بدالة الكتلة الاحتمالية لبواسون: P(N=3) = e^{-5} * 5^3 / 3! ≈ 0.1404. في الوقت نفسه، الوقت حتى الحدث الأول هو توزيع أسي: P(T > 0.2 ساعة) = e^{-5*0.2} = e^{-1} ≈ 0.3679. يُستخدم نفس λ في كلا التوزيعين. علاوة على ذلك، مجموع المتغيرات الأسية المستقلة (بنفس المعدل) يتبع توزيع جاما (إرلانغ). على وجه التحديد، الوقت حتى الحدث k-th في عملية بواسون هو مجموع k متغيرات أسية مستقلة، موزعة كـ Erlang(k, λ). هذا يسمح لنا بنمذجة أوقات الانتظار لأحداث متعددة، مثل الوقت حتى وصول العميل العاشر إلى متجر. وبالتالي، التوزيع الأسي هو لبنة بناء لنماذج أكثر تعقيدًا في نظرية الطوابير، الموثوقية، وتحليل البقاء.

يعتمد التوزيع الأسي على عدة افتراضات رئيسية: (1) الأحداث تحدث بمعدل ثابت λ عبر الزمن، مما يعني أن العملية متجانسة. (2) الأحداث مستقلة؛ حدوث حدث لا يؤثر على احتمالية الحدث التالي. (3) احتمال حدوث حدث في فترة زمنية صغيرة جدًا يتناسب مع طول الفترة (مسلمة بواسون). هذه الافتراضات تعني أن العملية لا ذاكرة لها. من الناحية العملية، قد لا تنطبق هذه الافتراضات دائمًا. على سبيل المثال، إذا تغير المعدل λ بمرور الوقت (مثل ساعة الذروة مقابل الليل)، فقد تكون عملية بواسون غير المتجانسة أكثر ملاءمة. إذا لم تكن الأحداث مستقلة (مثل الهزات الارتدادية بعد الزلزال)، فقد لا يناسب التوزيع الأسي جيدًا. بالإضافة إلى ذلك، التوزيع الأسي هو حالة خاصة من توزيع ويبل (مع معامل الشكل 1)، لذا لا يمكنه نمذجة معدلات الفشل المتزايدة أو المتناقصة. في الموثوقية، إذا كانت المكونات تتآكل بمرور الوقت (معدل خطر متزايد)، فقد يكون توزيع ويبل أو لوغاريتمي طبيعي أفضل. بالمثل، إذا انخفض معدل الخطر (مثل مرحلة وفيات الرضع)، هناك حاجة إلى توزيعات أخرى. قيد آخر هو أن التوزيع الأسي يُعرّف فقط للقيم غير السالبة. بينما هذا مناسب غالبًا للأوقات، قد لا يلتقط الظواهر ذات الوقت الأدنى المضمون (مثل فترة الضمان) ما لم يتم إزاحته. على الرغم من هذه القيود، يظل التوزيع الأسي أداة قوية بسبب بساطته الرياضية وخاصية عدم الذاكرة، وغالبًا ما يعمل كتقريب أولي أو معيار لنماذج أكثر تعقيدًا.

المتوسط (القيمة المتوقعة) لتوزيع أسي بمعدل λ هو E[X] = 1/λ. هذا بديهي: إذا كان متوسط عدد الأحداث لكل وحدة زمنية هو λ، تتوقع انتظار 1/λ وحدة زمنية للحدث التالي. التباين هو Var(X) = 1/λ²، لذا الانحراف المعياري يساوي المتوسط. معامل الاختلاف (CV) هو 1، وهو مرتفع، مما يشير إلى أن التوزيع متغير للغاية بالنسبة لمتوسطه. يمكن اشتقاق العزوم الأعلى باستخدام دالة توليد العزوم (MGF): M_X(t) = λ/(λ - t) لـ t < λ. من MGF، العزم الخامس من الرتبة r حول الصفر هو E[X^r] = r! / λ^r. على سبيل المثال، العزم الثالث (الالتواء) هو 6/λ^3، والعزم الرابع (التفرطح) هو 24/λ^4. معامل الالتواء هو 2، مما يشير إلى انحراف أيمن، والتفرطح الزائد هو 6، مما يعني أن للتوزيع ذيول ثقيلة مقارنة بالتوزيع الطبيعي. هذه العزوم مفيدة لتقييم المخاطر والنمذجة المالية. على سبيل المثال، في التأمين، يستخدم التوزيع الأسي لنمذجة أحجام المطالبات في ظل ظروف معينة، ومعرفة التفرطح يساعد في تقدير مخاطر الذيل. ومع ذلك، فإن معدل الخطر الثابت للتوزيع الأسي يعني أن خطر وقوع حدث (مثل مطالبة) لا يتغير بمرور الوقت، وهو ما قد لا يكون واقعيًا للعديد من التطبيقات. على الرغم من ذلك، فإن سهولة التعامل معه تجعله خيارًا شائعًا للحسابات الأولية والحلول التحليلية.

التوزيع الأسي

أدخل القيم

خطوات الاستخدام

أمثلة محلولة

أمثلة محسوبة

الأسئلة الشائعة

أدخل القيم

خطوات الاستخدام

1مادة مشعة تصدر جسيمات بمعدل 2 جسيم في الدقيقة. ما احتمال أن يكون الوقت بين الانبعاثات المتتالية أكثر من 3 دقائق؟ وما كثافة الاحتمال عند الدقيقة 1 بالضبط؟

2مركز اتصالات يستقبل متوسط 10 مكالمات في الساعة. ما احتمال أن تصل المكالمة التالية خلال 5 دقائق؟ وأوجد متوسط وقت الانتظار (الوسيط).

أمثلة محسوبة

الأسئلة الشائعة