Esercizi Svolti Distribuzione Esponenziale: Calcolo Probabilità e Tempi di Attesa (Caso Supermercato)

Perché la cassa accanto sembra sempre più veloce?

Siamo onesti: mettersi in fila al supermercato è un’arte frustrante. Scegli la coda che sembra più corta, calcoli mentalmente i carrelli davanti a te, eppure, inevitabilmente, la persona prima di te deve contestare un prezzo o cercare le monetine, bloccando tutto.

La nostra intuizione ci dice che è sfortuna. La matematica, invece, ci dice che è una distribuzione esponenziale.

Capire come funzionano questi tempi di attesa non è solo un esercizio accademico; è la base con cui aziende come Amazon, call center e ospedali gestiscono i flussi di lavoro. In questo articolo, non ci limiteremo alle formule: useremo la statistica per smontare e prevedere, passo dopo passo, il comportamento di una cassa del supermercato.

---

Esercizio 1 (Facile – Definizione base)

Il contesto:
In un supermercato, il tempo di servizio di una cassa segue una distribuzione esponenziale con un tempo medio di servizio di 4 minuti.
Domanda:

Qual è la probabilità che un cliente venga servito in meno di 2 minuti?

Soluzione:
Il parametro [math]\lambda[/math] (tasso di servizio) è l’inverso del tempo medio [math]E[X][/math]:

[math]\displaystyle \begin{aligned}
\lambda &= \frac{1}{E[X]} \\
&= \frac{1}{4} \\
&= 0.25 \text{ clienti al minuto}
\end{aligned}[/math]

La Funzione di Ripartizione (CDF) ci dà la probabilità che l’evento accada entro un tempo [math]t[/math]:

[math]F(t) = P(T \le t) = 1 – e^{-\lambda t}[/math]

Sostituendo [math]t=2[/math]:

[math]\displaystyle \begin{aligned}
P(T < 2) &= 1 – e^{-0.25 \cdot 2} \\
&= 1 – e^{-0.5}
\end{aligned}[/math]

Calcolo numerico:

[math]\displaystyle \begin{aligned}
P(T < 2) &= 1 – 0.6065 \\
&= 0.3935
\end{aligned}[/math]

Risposta: C’è circa il 39.35% di probabilità di essere veloci.

---

Esercizio 2 (Medio – I tempi lunghi)

Il contesto:
Alla stessa cassa (media 4 minuti), arriva un nuovo cliente.
Domanda: Qual è la probabilità che il servizio duri più di 6 minuti?

Soluzione:
Qui ci interessa la “coda” della distribuzione, ovvero la sopravvivenza oltre un certo tempo [math]t[/math].
La formula rapida per [math]P(T > t)[/math] è semplicemente la parte esponenziale della CDF:

[math]P(T > t) = e^{-\lambda t}[/math]

Sostituendo [math]\lambda=0.25[/math] e [math]t=6[/math]:

[math]\displaystyle \begin{aligned}
P(T > 6) &= e^{-0.25 \cdot 6} \\
&= e^{-1.5} \\
&\approx 0.2231
\end{aligned}[/math]

Risposta: Circa il 22.31%.
Nota tecnica: Non è necessario calcolare [math]1 – F(t)[/math] ogni volta; per l’esponenziale, la probabilità di “sopravvivenza” è intrinseca nella funzione [math]e^{-\lambda t}[/math].

---

Esercizio 3 (Medio – La trappola della media)

Il contesto:
Con un tempo medio di 4 minuti, qual è il tempo mediano di servizio?
Ovvero, qual è quel tempo limite entro cui viene servito esattamente il 50% dei clienti?

Soluzione:
Cerchiamo [math]t_{0.5}[/math] tale che [math]P(T \le t_{0.5}) = 0.5[/math].

[math]\displaystyle \begin{aligned}
1 – e^{-0.25 \cdot t_{0.5}} &= 0.5 \\
e^{-0.25 \cdot t_{0.5}} &= 0.5
\end{aligned}[/math]

Passando ai logaritmi naturali ([math]\ln[/math]):

[math]\displaystyle \begin{aligned}
-0.25 \cdot t_{0.5} &= \ln(0.5) \\
t_{0.5} &= \frac{-0.6931}{-0.25} \\
&\approx 2.77 \text{ minuti}
\end{aligned}[/math]

Risposta: Il mediano è 2.77 minuti.
Insight: Notate la differenza? La media è 4 minuti, ma il mediano è molto più basso (2.77). Questo significa che la maggior parte delle persone è veloce, ma pochi clienti lentissimi alzano la media matematica per tutti.

---

Esercizio 4 (Medio-Alto – L’assenza di memoria)

Il contesto:
Un cliente è alla cassa da 5 minuti. Qual è la probabilità che il servizio duri in totale più di 8 minuti?

Soluzione:
La domanda chiede [math]P(T > 8 \mid T > 5)[/math].
La distribuzione esponenziale ha una proprietà unica: è “senza memoria”. Al sistema non importa quanto tempo sia già passato; la probabilità di impiegare altri 3 minuti è identica alla probabilità di impiegarne 3 partendo da zero.

Matematicamente:

[math]P(T > 5+3 \mid T > 5) = P(T > 3)[/math]

Calcoliamo quindi solo per [math]t=3[/math]:

[math]\displaystyle \begin{aligned}
P(T > 3) &= e^{-0.25 \cdot 3} \\
&= e^{-0.75} \\
&\approx 0.4724
\end{aligned}[/math]

Risposta: Circa 47.24%.
Se stessimo usando una distribuzione normale (Gaussiana), il fatto che siano già passati 5 minuti renderebbe quasi certo che il servizio stia per finire. Con l’esponenziale, non è così.

---

Esercizio 5 (Alto – Gara tra due casse)

Il contesto:
Due casse indipendenti, entrambe con media 4 minuti. Due clienti arrivano insieme.
Domanda: Qual è la probabilità che almeno uno dei due finisca entro 2 minuti?

Soluzione:
Quando sentite “almeno uno”, pensate subito all’evento opposto: “nessuno”.

1. Probabilità che una cassa ci metta più di 2 minuti:
   [math]P(T > 2) = e^{-0.5} \approx 0.6065[/math]
2. Probabilità che entrambe (indipendenti) ci mettano più di 2 minuti:
   [math]0.6065 \times 0.6065 \approx 0.3679[/math]
3. Probabilità complementare (almeno una finisce):
   [math]1 – 0.3679 = 0.6321[/math]

Risposta: Circa 63.21%.

---

Esercizio 6 (Difficile – La fila accumulata)

Il contesto:
Arrivi alla cassa e ci sono 2 persone davanti a te (tu sei il 3°).
Domanda: Qual è la probabilità che tu debba aspettare più di 10 minuti prima che tocchi a te? (Assumiamo tempi indipendenti e identici).

Soluzione:
Il tuo tempo di attesa è la somma dei tempi di servizio dei due clienti davanti a te: [math]S_2 = T_1 + T_2[/math].
La somma di variabili esponenziali segue una distribuzione Erlang (o Gamma intera).

Vogliamo [math]P(S_2 > 10)[/math]. La formula della sopravvivenza per una Erlang con [math]n=2[/math] è:

[math]P(S_2 > t) = e^{-\lambda t}(1 + \lambda t)[/math]

Sostituendo [math]\lambda=0.25[/math] e [math]t=10[/math]:

[math]\displaystyle \begin{aligned}
P(S_2 > 10) &= e^{-0.25 \cdot 10}(1 + 0.25 \cdot 10) \\
&= e^{-2.5}(1 + 2.5) \\
&= 3.5 \cdot e^{-2.5} \\
&= 3.5 \cdot 0.082085 \\
&\approx 0.2873
\end{aligned}[/math]

Metodo Alternativo (Poisson):
Chiedersi “la somma di 2 servizi supererà 10 minuti?” equivale a chiedersi: “in 10 minuti, riuscirò a servire meno di 2 clienti (cioè 0 o 1)?”
Usiamo Poisson con media [math]\mu = \lambda \cdot t = 2.5[/math]:

[math]\displaystyle \begin{aligned}
P(N < 2) &= P(N=0) + P(N=1) \\
&= e^{-2.5} + e^{-2.5}(2.5) \\
&= e^{-2.5}(1 + 2.5) \\
&\approx 0.2873
\end{aligned}[/math]

Il risultato è identico.

Risposta: Circa 28.73%.

---

Analisi Applicativa: Perché questi esercizi sono importanti?

1. Il paradosso della Mediana vs Media (Esercizio 3)
Il fatto che il mediano (2.77 min) sia molto più basso della media (4 min) è cruciale per la Customer Satisfaction. Significa che la maggior parte dei clienti ha un’esperienza positiva e veloce. Tuttavia, il manager non deve guardare il mediano, ma la media (o il 95° percentile), perché basta un solo cliente “problematico” (coda lunga della distribuzione) per intasare la cassa e creare un collo di bottiglia che si ripercuote su tutti.

2. L’irrealistica “Assenza di Memoria” (Esercizio 4)
L’esercizio 4 applica l’assenza di memoria, ma è qui che il modello matematico scontra la realtà. In un supermercato reale, se un cliente è lì da 10 minuti, probabilmente c’è un problema tecnico o un controllo prezzi. La probabilità che finisca nel minuto successivo non è costante, ma potrebbe aumentare (il problema si risolve) o diminuire (il problema è grave). L’esponenziale è ottimo per modellare guasti casuali o arrivi, ma meno preciso per task umani complessi dove subentra la stanchezza o la complessità specifica del compito.

3. Erlang e il dimensionamento (Esercizio 6)
L’esercizio 6 è la base del dimensionamento dei server (o delle casse). Sapere che c’è quasi il 30% di probabilità che un cliente attenda più di 10 minuti solo perché ha due persone davanti è un campanello d’allarme. Se l’obiettivo del supermercato è “attesa massima 5 minuti”, una singola cassa con questi parametri è insufficiente. È qui che si passa dalla statistica descrittiva alla strategia operativa.