Erlang-Verteilung

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche

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 x das n-te Ereignis eintritt, wenn man \lambda Ereignisse pro Einheitsintervall erwartet (siehe Herleitung). Sie beschreibt eine Kette von n nacheinander erfolgenden Ereignissen. Der wahrscheinlichste Abstand bis zum n-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]

Dichte der Erlangverteilung, \lambda = 1

Definition[Bearbeiten]

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

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

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

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

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 < 0             
   \end{cases}

gegeben, wobei \gamma bzw. \Gamma die unvollständige Gammafunktion bezeichnet.

Herleitung[Bearbeiten]

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

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

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

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

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

die Wahrscheinlichkeitsdichte

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

der Erlang-Verteilung.

Eigenschaften[Bearbeiten]

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

Erwartungswert[Bearbeiten]

Die Erlang-Verteilung besitzt den Erwartungswert

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

Varianz[Bearbeiten]

Analog ergibt sich die Varianz zu

\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}.

Modus[Bearbeiten]

Der Modus, das Maximum der Dichte, liegt bei

\frac{n-1}{\lambda}.

Charakteristische Funktion[Bearbeiten]

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

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

Momenterzeugende Funktion[Bearbeiten]

Analog ergibt sich für die Momenterzeugende Funktion

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

Entropie[Bearbeiten]

Die Entropie der Erlang-Verteilung beträgt

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

wobei ψ(p) die Digamma-Funktion bezeichnet.

Beziehungen zu anderen Verteilungen[Bearbeiten]

Beziehung zur Exponentialverteilung[Bearbeiten]

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

Beziehung zur Poisson-Verteilung[Bearbeiten]

  • Für einen Poisson-Prozess wird die zufällige Anzahl der Ereignisse bis zu einem definierten Zeitpunkt mittels Poisson-Verteilung \operatorname{Poi}(\lambda,n) bestimmt, die zufällige Zeit bis zum n-ten Ereignis ist Erlang-verteilt. Im Fall n=1 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.
  • Für die Verteilungsfunktionen der Erlang-Verteilung und der Poisson-Verteilung gilt
F_{Erlang}(n+1) + F_{Poisson}(n) = 1.

Beziehung zur stetigen Gleichverteilung[Bearbeiten]

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

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

Beziehung zur Gamma-Verteilung[Bearbeiten]

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

Weblinks[Bearbeiten]

Einzelnachweise[Bearbeiten]

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