Apri il foglio degli esercizi, leggi tempo di attesa fino al prossimo evento e ti blocchi: esponenziale o Poisson? Negli esercizi sulla distribuzione esponenziale la chiave è riconoscere tre indizi subito: la variabile è continua, misura un tempo di attesa con valori T ≥ 0 e l'evento arriva con tasso medio costante λ. Se questi elementi ci sono, in genere il modello è T ~ Exp(λ). A quel punto usi f(t) = λe-λt per la densità, F(t) = 1 - e-λt per P(T ≤ t) e P(T > t) = e-λt per superare una soglia. Qui trovi un metodo pratico per riconoscere il modello, scegliere la formula giusta e svolgere i calcoli senza confondere unità e simboli.
Come capire subito se l'esercizio è esponenziale
Negli esercizi sulla distribuzione esponenziale il testo non dice quasi mai usa questa distribuzione in modo esplicito. Ti lascia invece degli indizi. Devi saperli leggere prima ancora di scrivere una formula.
- La variabile misura un tempo: minuti fino alla prossima chiamata, ore prima del prossimo guasto, secondi fino al prossimo impulso di un sensore.
- La variabile è continua: non stai contando quanti eventi accadono, ma quanto bisogna aspettare.
- Il tasso è costante: il testo suggerisce che gli arrivi o gli eventi sono regolari in media, senza dipendere da quanto hai già aspettato.
- Gli eventi sono indipendenti: l'arrivo del prossimo evento non cambia perché ne hai appena osservato uno, almeno nell'ipotesi semplificata dell'esercizio.
In pratica, quando leggi espressioni come tempo fino al prossimo, attesa, arrivo casuale con media costante, sei vicino a una variabile esponenziale. Questo è il punto centrale anche nei problemi di tempo di attesa statistica: non basta che ci sia una durata, serve che l'ipotesi di tasso costante sia sensata.
Attenzione però a un equivoco frequente: se il testo ti chiede quanti eventi accadono in un intervallo, allora spesso sei nel territorio della Poisson; se ti chiede quanto tempo devi aspettare per il prossimo evento, allora la scelta naturale è l'esponenziale.
Se stai preparando il singolo esame e vuoi altri esercizi guidati con spiegazione passo dopo passo, puoi vedere il percorso di Statistica su Weduup.
Formule essenziali da usare negli esercizi
Definiamo bene i simboli, perché molti errori nascono qui.
- T = tempo di attesa fino al prossimo evento.
- λ = tasso medio dell'evento, espresso nell'inverso dell'unità di tempo. Se il tempo è in minuti, λ è in min-1; se il tempo è in ore, λ è in h-1.
- t = soglia temporale su cui fai il calcolo, nella stessa unità usata per λ.
Se T segue una distribuzione esponenziale di parametro λ, per t ≥ 0 valgono queste relazioni:
- Densità: f(t) = λe-λt
- Funzione di ripartizione: F(t) = P(T ≤ t) = 1 - e-λt
- Probabilità di superare la soglia: P(T > t) = e-λt
- Probabilità tra due tempi: P(a < T ≤ b) = F(b) - F(a) = e-λa - e-λb, con 0 ≤ a < b
- Valore atteso: E(T) = 1/λ
- Varianza: Var(T) = 1/λ²
Queste formule coprono quasi tutta la probabilità distribuzione esponenziale che incontri nei compiti: entro una soglia, oltre una soglia, tra due istanti, media e varianza.
Un passaggio molto importante è ricavare λ dai dati. Se il testo dice che il tempo medio di attesa è m, allora:
λ = 1/m
Esempio rapido: se l'attesa media è 15 minuti, allora λ = 1/15 min-1. Se invece ti dicono che in media arrivano 4 eventi ogni ora, allora λ = 4 h-1; se vuoi lavorare in minuti, diventa λ = 4/60 = 1/15 min-1.
Qui entra in gioco anche la differenza tra densità e probabilità. In una densità esponenziale esempio come f(5) = λe-5λ, il valore ottenuto non è la probabilità che T sia esattamente 5. Per una variabile continua, P(T = 5) = 0. La densità serve a descrivere come si distribuisce la probabilità attorno ai valori, non a leggere il punto singolo come evento con probabilità positiva.
Procedura guidata in 5 passaggi
Quando il testo sembra facile è proprio il momento in cui si sbaglia formula. Per evitare automatismi, usa sempre questa procedura.
- Definisci la variabile. Scrivi in una riga cosa rappresenta T e in quale unità la misuri. Per esempio: T = minuti di attesa fino al prossimo arrivo.
- Trova il parametro λ. Se hai la media del tempo, fai il reciproco. Se hai un numero medio di eventi per unità di tempo, quello è già un tasso.
- Traduci la domanda in simboli. Entro 10 minuti significa P(T ≤ 10). Oltre 10 minuti significa P(T > 10). Tra 5 e 12 minuti significa P(5 < T ≤ 12).
- Usa la formula giusta con unità coerenti. Se λ è per ora, t deve essere espresso in ore. Se λ è per minuto, t deve stare in minuti.
- Controlla il risultato. Deve stare tra 0 e 1. Inoltre, una probabilità entro una soglia più grande deve risultare maggiore di quella entro una soglia più piccola.
Questa sequenza vale sia per gli esercizi base sia per quelli un po' più insidiosi, ad esempio quando compare la proprietà di assenza di memoria. In molti casi, già il terzo passaggio ti salva: se traduci bene il testo, metà del problema è risolto.
Esempio svolto
Dati e ipotesi
Considera un punto assistenza del campus che riceve richieste in modo irregolare ma con ritmo medio stabile durante una certa fascia oraria. Il tempo di attesa fino alla prossima richiesta è modellato con una distribuzione esponenziale.
- T = minuti di attesa fino alla prossima richiesta
- Attesa media = 12 minuti
- Quindi λ = 1/12 min-1
- Domande:
- a) Qual è la probabilità di ricevere una richiesta entro 5 minuti?
- b) Qual è la probabilità di dover aspettare più di 18 minuti?
- c) Se sono già passati 10 minuti senza richieste, qual è la probabilità di aspettare al massimo altri 4 minuti?
L'ipotesi essenziale è che il tasso medio resti costante nella finestra osservata. Senza questa ipotesi, il modello esponenziale non sarebbe una scelta automatica.
Svolgimento passo per passo
a) Probabilità entro 5 minuti
La richiesta è P(T ≤ 5). Usiamo la funzione di ripartizione:
P(T ≤ 5) = 1 - e-λ·5 = 1 - e-(1/12)·5 = 1 - e-5/12
Valore numerico approssimato:
P(T ≤ 5) ≈ 1 - 0,659 = 0,341
Quindi la probabilità è circa 0,34, cioè circa il 34,1%.
b) Probabilità di aspettare più di 18 minuti
Qui la richiesta è P(T > 18). La formula più diretta è:
P(T > 18) = e-λ·18 = e-(1/12)·18 = e-1,5
Valore numerico approssimato:
P(T > 18) ≈ 0,223
Quindi la probabilità è circa 0,22, cioè circa il 22,3%.
c) Probabilità di aspettare al massimo altri 4 minuti dopo averne già aspettati 10
La domanda condizionata è:
P(T ≤ 14 | T > 10)
Per la distribuzione esponenziale vale la proprietà di assenza di memoria: dopo aver aspettato 10 minuti senza eventi, il tempo residuo ha ancora distribuzione esponenziale con lo stesso parametro. Quindi:
P(T ≤ 14 | T > 10) = P(T - 10 ≤ 4 | T > 10) = P(T ≤ 4)
Allora:
P(T ≤ 4) = 1 - e-λ·4 = 1 - e-(1/12)·4 = 1 - e-1/3
Valore numerico approssimato:
P(T ≤ 4) ≈ 1 - 0,717 = 0,283
Quindi la probabilità è circa 0,28.
Una nota utile sulla densità
Se nello stesso esempio calcoli f(5), ottieni:
f(5) = (1/12)e-5/12 ≈ 0,0549 min-1
Questo valore non è la probabilità che la richiesta arrivi esattamente al quinto minuto. È solo il valore della densità nel punto 5.
Controllo finale
- Tutti i risultati stanno tra 0 e 1.
- È sensato che P(T ≤ 5) sia inferiore a 0,5, visto che 5 minuti sono meno della media di 12.
- È sensato che P(T > 18) non sia enorme, perché 18 minuti superano la media.
- Nel punto c, la probabilità dipende solo dai 4 minuti futuri e non dai 10 già trascorsi: è il segnale corretto della proprietà di assenza di memoria.
Questo tipo di esempio ti allena su quasi tutto quello che serve davvero in sede d'esame: riconoscimento del modello, calcolo del parametro, scelta della formula e interpretazione finale.
Quando la distribuzione esponenziale non è la scelta giusta
Una buona preparazione non consiste nel vedere esponenziali ovunque. Devi anche capire quando fermarti e cambiare modello.
- Se conti eventi in un intervallo, non stai misurando un tempo di attesa. Una domanda come quante richieste arrivano in un'ora porta più spesso alla Poisson.
- Se il tempo è discreto, per esempio numero di tentativi prima del primo successo, non sei in un contesto continuo: lì compare spesso la geometrica.
- Se il tasso cambia nel tempo, l'ipotesi base dell'esponenziale salta. Per esempio, un guasto che diventa più probabile con l'invecchiamento del componente non si descrive bene con λ costante.
- Se esistono soglie minime o massime rigide, il modello può essere troppo semplicistico. Un'attesa che non può fisicamente essere inferiore a 2 minuti non è ben rappresentata da una variabile esponenziale standard, che ammette anche valori vicinissimi a 0.
Questo punto è decisivo negli esercizi più maturi: non ti premiano solo per il calcolo, ma per la capacità di giustificare perché un modello è coerente con il testo.
Errori comuni che fanno perdere punti
Molti errori negli esercizi sulla variabile esponenziale non vengono da formule difficili, ma da piccoli passaggi dati per scontati.
- Usare λ al posto della media. Se l'attesa media è 20 minuti, non significa λ = 20. Significa λ = 1/20 min-1.
- Confondere entro e oltre. P(T ≤ t) e P(T > t) non si calcolano con la stessa espressione. Se usi la formula sbagliata, tutto il risultato si ribalta.
- Mescolare le unità. λ in ore-1 e t in minuti è un errore classico. Prima converti, poi sostituisci.
- Leggere la densità come probabilità puntuale. In continuo, P(T = t) = 0. La densità non è una probabilità singola.
- Dimenticare la condizione t ≥ 0. La distribuzione esponenziale vive solo sui tempi non negativi.
- Applicare l'assenza di memoria quando il modello non è esponenziale. Questa proprietà è speciale, non universale.
- Saltare l'interpretazione finale. Anche se il calcolo è giusto, conviene sempre chiudere dicendo cosa significa il numero ottenuto nel contesto del problema.
Un buon allenamento consiste proprio nel trasformare questi errori in controlli automatici. Dopo qualche esercizio, inizi a riconoscere subito dove rischi di sbagliare.
Checklist operativa prima di consegnare
- Ho definito chiaramente la variabile casuale T?
- Sto misurando un tempo di attesa e non un conteggio?
- Il parametro λ è espresso nell'unità inversa corretta?
- Ho convertito minuti e ore se necessario?
- La domanda chiede P(T ≤ t), P(T > t) oppure una probabilità tra due istanti?
- Se compare la media, ho ricordato che λ = 1/media?
- Il risultato finale è tra 0 e 1?
- Ho scritto una frase conclusiva che interpreta il valore ottenuto?
Autoverifica rapida
Domande
- Se il tempo medio di attesa è 8 minuti, quanto vale λ?
- Se T è esponenziale, qual è la formula di P(T > t)?
- Se sono già passati 7 minuti senza eventi, da cosa dipende P(attendere più di altri 5 minuti)?
- Se il testo chiede quanti arrivi avvengono in mezz'ora, stai ancora usando l'esponenziale?
Soluzioni lampo
- λ = 1/8 min-1.
- P(T > t) = e-λt.
- Nel modello esponenziale dipende solo dai 5 minuti futuri, per la proprietà di assenza di memoria.
- No, lì di solito stai modellando un conteggio e devi valutare un altro strumento, spesso la Poisson.
Dal singolo esercizio alla preparazione dell'esame
Capire la distribuzione esponenziale non significa solo saper sostituire numeri nelle formule. Significa leggere il testo, riconoscere un modello di tempo di attesa, motivare l'ipotesi di tasso costante e controllare se il risultato ha senso. È qui che molti studenti passano dal ripasso frammentario a un metodo stabile.
Se vuoi orientarti meglio sugli argomenti che tornano spesso nella preparazione, puoi partire anche dalla guida all'esame di Statistica. Se invece ti serve un percorso ordinato sul singolo esame, Weduup offre lezioni online registrate e on-demand, organizzate per Statistica, con esercizi e appelli quando previsti, fruibili tramite l'app desktop Weduup per Windows e macOS. Per molti studenti è una modalità utile anche come supporto alle ripetizioni quando non serve un'interazione live continua. Puoi approfondire qui: corso di Statistica Weduup.