Erlang-Verteilung - LinkFang.de





Erlang-Verteilung


Die Erlang-Verteilung ist eine stetige Wahrscheinlichkeitsverteilung, eine Verallgemeinerung der Exponential-Verteilung und ein Spezialfall der Gamma-Verteilung. Sie wurde von Agner Krarup Erlang für die statistische Modellierung der Intervall-Längen zwischen Telefonanrufen entwickelt.

Die Erlang-Verteilung wird in der Warteschlangentheorie verwendet, um die Verteilung der Zeitspanne zwischen Ereignissen eines Poisson-Prozesses, beispielsweise der Ankunft von Kunden, zu erfassen, sowie in der Qualitätssicherung zur Beschreibung von Lebensdauern. In Callcentern wird diese Verteilung für die Personaleinsatzplanung genutzt, um die Anzahl der benötigten Agents auf Grund des erwarteten Anrufvolumens im Zeitintervall zu bestimmen.

Die Erlang-Verteilungsdichte liefert die Verteilung der Wahrscheinlichkeit dafür, dass nach Verstreichen des Orts- oder Zeitabstands [math]x[/math] das [math]n[/math]-te Ereignis eintritt, wenn man [math]\lambda[/math] Ereignisse pro Einheitsintervall erwartet (siehe Herleitung). Sie beschreibt eine Kette von [math]n[/math] nacheinander erfolgenden Ereignissen. Der wahrscheinlichste Abstand bis zum [math]n[/math]-ten Ereignis (Modus) ist kleiner als der Mittelwert (Erwartungswert), weil kürzere Ereignisabstände häufiger auftreten. Füllt man die der Größe nach sortierten Abstände der jeweiligen Einzelereignisse in ein Histogramm, so zeigt dieses dementsprechend eine Exponential-Verteilung.[1]

Definition

Die Erlang-Verteilung [math]\operatorname{Erl}(\lambda,n)[/math] mit den Parametern [math]\lambda \gt 0[/math] (einer positiven reellen Zahl) und [math]n\geq 1[/math] (einer natürlichen Zahl) ist eine spezielle Gammaverteilung, die durch die Dichtefunktion

[math]f(x)=\begin{cases} \displaystyle\frac{\lambda^n x^{n-1}}{(n-1)!}\, \mathrm{e}^{-\lambda x} & x\geq 0 \\ 0 & x \lt 0 \end{cases}[/math]

festgelegt wird, und die sich von der allgemeinen Gammaverteilung durch die Beschränkung auf natürliche Zahlen im zweiten Parameter unterscheidet.

Für eine erlangverteilte Zufallsvariable [math]X[/math] ist die Wahrscheinlichkeit, dass [math]X[/math] innerhalb des Intervalls [math]0\leq X \leq x[/math] liegt, durch die Verteilungsfunktion

[math]F(x)= \begin{cases} \displaystyle\frac{\lambda^n}{(n-1)!}\int_0^x t^{n-1}\mathrm{e}^{-\lambda t}\,\mathrm{d}t=\frac{\gamma(n, \lambda x)}{(n-1)!}=1-\frac{\Gamma(n, \lambda x)}{(n-1)!}=1-\mathrm{e}^{-\lambda x} \sum_{i=0}^{n-1} \frac{(\lambda x)^i}{i!} & x\geq 0 \\ 0 & x \lt 0 \end{cases}[/math]

gegeben, wobei [math]\gamma[/math] bzw. [math]\Gamma[/math] die unvollständige Gammafunktion bezeichnet.

Herleitung

Es sei [math]w[/math] eine Orts- oder Zeitvariable und [math]\lambda[/math] die konstante Eintretenshäufigkeit von Ereignissen im Einheitsintervall von [math]w[/math], dann ist die Verteilung der Größe des Abstandes [math]w[/math] bis zum Eintreten des [math]k[/math]-ten Ereignisses gesucht. Wie ist die Größe der möglichen [math]w[/math]-Bereiche für [math]k-1[/math] bereits eingetretene Ereignisse verteilt?

Diese Verteilung ergibt sich aus der Poisson-Verteilung: die Wahrscheinlichkeit für das Eintreten von [math]k-1[/math] Ereignissen innerhalb des Intervalls [math][0,w][/math] ist

[math]\operatorname{Poi}_{\lambda \cdot w}(k-1) = \frac{(\lambda \cdot w)^{k-1}}{(k-1)!}\mathrm{e}^{-\lambda \cdot w}.[/math]

Betrachtet man nun diesen Ausdruck nicht mehr bei festem Bereich [math]w[/math] als Funktion für die Wahrscheinlichkeit von [math]k-1[/math] Ereignissen, sondern bei gegebenem [math]k[/math] als Funktion für die Wahrscheinlichkeit der Bereichsgröße [math]w[/math], so entsteht nach der noch notwendigen Normierung (Integral der Dichte gleich eins)

[math]\int\limits_{0}^{\infty}\frac{(\lambda \cdot w)^{k-1}}{(k-1)!}\mathrm{e}^{-\lambda \cdot w}\operatorname{d}w =\frac{1}{\lambda}[/math]

die Wahrscheinlichkeitsdichte

[math]\frac{(\lambda \cdot w)^{k-1}}{(k-1)!} \cdot \lambda \cdot \mathrm{e}^{-\lambda \cdot w}[/math]

der Erlang-Verteilung.

Eigenschaften

Da eine erlangverteilte Zufallsvariable [math]X[/math] die Summe von [math]n[/math] unabhängig und identisch mit Parameter [math]\lambda[/math] exponentialverteilten Zufallsvariablen [math]X_1, \dotsc, X_n[/math] ist, ergeben sich die folgenden Eigenschaften.

Erwartungswert

Die Erlang-Verteilung besitzt den Erwartungswert

[math]\operatorname{E}(X)= \operatorname{E} \left(\sum_{k=1}^n X_k\right) = \sum_{k=1}^n \operatorname{E} (X_k) =\frac{n}{\lambda}.[/math]

Varianz

Analog ergibt sich die Varianz zu

[math]\operatorname{Var}(X)= \operatorname{Var} \left(\sum_{k=1}^n X_k\right) = \sum_{k=1}^n \operatorname{Var} (X_k) =\frac{n}{\lambda^2}.[/math]

Modus

Der Modus, das Maximum der Dichte, liegt bei

[math]\frac{n-1}{\lambda}.[/math]

Charakteristische Funktion

Aus der charakteristischen Funktion einer exponentialverteilten Zufallsvariablen erhält man die einer erlangverteilten Zufallsvariable:

[math]\varphi_X(t) = \left( \frac{\lambda}{\lambda-it} \right)^n.[/math]

Momenterzeugende Funktion

Analog ergibt sich für die Momenterzeugende Funktion

[math]M_X(t) = \left( \frac{\lambda}{\lambda-t} \right)^n.[/math]

Entropie

Die Entropie der Erlang-Verteilung beträgt

[math]H(X) = (1-n)\psi(n) + \ln\left(\frac{\Gamma(n)}{\lambda}\right) + n[/math]

wobei ψ(p) die Digamma-Funktion bezeichnet.

Beziehungen zu anderen Verteilungen

Beziehung zur Exponentialverteilung

  • Die Erlang-Verteilung [math]\operatorname{Erl}(\lambda,n)[/math] ist eine Verallgemeinerung der Exponentialverteilung, denn sie geht für [math]n=1[/math] in diese über [math]\operatorname{Erl}(\lambda,1)=\operatorname{Exp}(\lambda)[/math].
  • Es seien [math]n[/math] viele, alle mit dem gleichen Parameter [math]\lambda[/math] exponentialverteilte Zufallsvariablen [math]Y_i\ (i = 1, \dotsc, n)[/math], die stochastisch unabhängig sind, gegeben. Dann ist die Zufallsvariable [math]X = Y_1 + Y_2 + \dotsb + Y_n[/math] Erlang-verteilt mit den Parametern [math]n[/math] und [math]\lambda[/math] [math](n\in\Bbb N, \lambda \geq 0)[/math].

Beziehung zur Poisson-Verteilung

  • Für einen Poisson-Prozess wird die zufällige Anzahl der Ereignisse bis zu einem definierten Zeitpunkt mittels Poisson-Verteilung [math]\operatorname{Poi}(\lambda,n)[/math] bestimmt, die zufällige Zeit bis zum [math]n[/math]-ten Ereignis ist Erlang-verteilt. Im Fall [math]n=1[/math] geht diese Erlang-Verteilung in eine Exponentialverteilung über, mit der die Zeit bis zum ersten zufälligen Ereignis sowie die Zeit zwischen zwei aufeinanderfolgenden Ereignissen bestimmt werden kann.
  • Die Erlang-Verteilung ist die zur Poisson-Verteilung konjugierte Verteilung.

Beziehung zur stetigen Gleichverteilung

Eine Erlang-Verteilung kann als Faltung von [math]n[/math] gleichmäßig stetig verteilten Funktionen [math]X(0,1)[/math] erzeugt werden:

[math]\operatorname{Erl}(\lambda, n) \sim -\frac{1}{\lambda}\ln{\left(\prod_{i=1}^{n}x_{i}\right)}.[/math]

Beziehung zur Gamma-Verteilung

Die Erklärung dieser Beziehung findet man am Anfang des Artikels in der Definition.

Weblinks

Einzelnachweise

  1. Frodesen, Skjeggestad, Tofte: Probability and Statistics in Particle Physics, Universitetsforlaget, Bergen Oslo Tromsö S. 98.

Kategorien: Verkehrstheorie | Wahrscheinlichkeitsverteilung

Quelle: Wikipedia - http://de.wikipedia.org/wiki/Erlang-Verteilung (Vollständige Liste der Autoren des Textes [Versionsgeschichte])    Lizenz: CC-by-sa-3.0

Änderungen: Alle Bilder mit den meisten Bildunterschriften wurden entfernt. Ebenso alle zu nicht-existierenden Artikeln/Kategorien gehenden internen Wikipedia-Links (Bsp. Portal-Links, Redlinks, Bearbeiten-Links). Entfernung von Navigationsframes, Geo & Normdaten, Mediadateien, gesprochene Versionen, z.T. ID&Class-Namen, Style von Div-Containern, Metadaten, Vorlagen, wie lesenwerte Artikel. Ansonsten sind keine Inhaltsänderungen vorgenommen worden. Weiterhin kann es durch die maschinelle Bearbeitung des Inhalts zu Fehlern gerade in der Darstellung kommen. Darum würden wir jeden Besucher unserer Seite darum bitten uns diese Fehler über den Support mittels einer Nachricht mit Link zu melden. Vielen Dank!

Stand der Informationen: August 201& - Wichtiger Hinweis: Da die Inhalte maschinell von Wikipedia übernommen wurden, ist eine manuelle Überprüfung nicht möglich. Somit garantiert LinkFang.de nicht die Richtigkeit und Aktualität der übernommenen Inhalte. Sollten die Informationen mittlerweile fehlerhaft sein, bitten wir Sie darum uns per Support oder E-Mail zu kontaktieren. Wir werden uns dann innerhalb von spätestens 10 Tagen um Ihr Anliegen kümmern. Auch ohne Anliegen erfolgt mindestens alle drei Monate ein Update der gesamten Inhalte.