指数分布计算器 使用指南
λ=0.1/分钟，P(T>10)=e^(−0.1·10)=e^−1≈0.368（约 36.8% 超过 10 分钟）。…
核心功能
- 建模无记忆的等待时间：设备寿命、请求间隔、排队时长
- 由速率 λ 或均值计算「等待超过 t」的概率
- 给出期望与方差
- 用于设定超时时间与告警线
适用场景
- 建模设备寿命、请求间隔等“无记忆”等待时间。
- 估算等待时间：若平均间隔为 λ⁻¹，可用该分布算出「等待超过某阈值」的概率，用于设定超时与告警线。
使用步骤
- 确定速率参数 λ（单位时间的平均发生次数）或平均间隔
- 填待求的阈值 t
- 选择口径：小于 t 还是大于 t
- 点计算得到概率
- 把「超过 t」的概率对应到超时丢弃比例，再倒推合理的超时设置
实用技巧
- 建模设备寿命、请求间隔等“无记忆”等待时间。
- 估算等待时间：若平均间隔为 λ⁻¹，可用该分布算出「等待超过某阈值」的概率，用于设定超时与告警线。
常见问题
- 无记忆性指什么？
- 已等待 t 不影响后续等待分布，P(T>t+s|T>t)=P(T>s)。
- 指数分布和泊松分布什么关系？
- 二者描述同一过程的两面：若单位时间内事件发生次数服从泊松分布（参数 λ），则两次事件之间的间隔服从指数分布（同一 λ）。因此「每分钟平均 3 个请求」等价于「平均间隔 1/3 分钟」。建模时选哪个，取决于你关心次数还是间隔。