DISTRIBUCIN EXPONENCIAL

A pesar de que la distribucin Normal puede utilizarse para resolver muchos

problemas en ingeniera y ciencias, existen an numerosas situaciones que
requieren diferentes tipos de funciones de densidad, tales como la exponencial y
la gamma y algunas otras como la weibull, etc., etc., de momento solo trataremos
sobre el uso de la exponencial.
Resulta que la exponencial es un caso especial de la distribucin gamma, ambas
tienen un gran nmero de aplicaciones. Las distribuciones exponencial y gamma
juegan un papel importante tanto en teora de colas como en problemas de
confiabilidad. El tiempo entre las llegadas en las instalaciones de servicio y el
tiempo de falla de los componentes y sistemas elctricos, frecuentemente
involucran la distribucin exponencial. La relacin entre la gamma y la exponencial
permite que la distribucin gamma se utilice en tipos similares de problemas.
La variable aleatoria x tiene una distribucin exponencial, con parmetro b, si su
funcin de densidad es:

,x>0

; f(x) = 0 en cualquier otro caso

donde > 0
La media y la variancia de la distribucin exponencial son:
=

2 = 2

Relacin con el proceso de Poisson.

Las aplicaciones ms importantes de la distribucin exponencial son aquellas
situaciones en donde se aplica el proceso de Poisson, es necesario recordar que
un proceso de Poisson permite el uso de la distribucin de Poisson. Recurdese
tambin que la distribucin de Poisson se utiliza para calcular la probabilidad de
nmeros especficos de eventos durante un perodo o espacio particular. En
muchas aplicaciones, el perodo o la cantidad de espacio es la variable aleatoria.
Por ejemplo un ingeniero industrial puede interesarse en el tiempo T entre
llegadas en una interseccin congestionada durante la hora de salida de trabajo
en una gran ciudad. Una llegada representa el evento de Poisson.

La relacin entre la distribucin exponencial (con frecuencia llamada exponencial

negativa) y el proceso llamado de Poisson es bastante simple. La distribucin de
Poisson se desarroll como una distribucin de un solo parmetro , donde
puede interpretarse como el nmero promedio de eventos por unidad de tiempo.
Considrese ahora la variable aleatoria descrita por el tiempo que se requiere para
que ocurra el primer evento. Mediante la distribucin de Poisson, se encuentra que
la probabilidad de que no ocurran en el espacio hasta el tiempo t est dada por:

Ahora puede utilizarse lo anterior y hacer que X sea el tiempo para el primer
evento de Poisson. La probabilidad de que el perodo hasta que ocurre el primer
evento de Poisson exceda x es la misma que la probabilidad de que no ocurra un
evento de Poisson en x. Esto ltimo por supuesto est dado por -x. Como
resultado,
P(X x) = -x
Entonces, la funcin de distribucin acumulada para x es:
P(0 X x) = 1 - -x
Ahora, con objeto de que se reconozca la presencia de la distribucin exponencial,
puede derivarse la distribucin acumulada anterior para obtener la funcin de
densidad:
f(x) = -x
La cual es la funcin de densidad de la distribucin exponencial con = 1/
Ntese que la media de la distribucin exponencial es el parmetro , el recproco
del parmetro en la distribucin de Poisson. El lector debe recordar que con
frecuencia se dice que la distribucin de Poisson no tiene memoria, lo cul implica
que las ocurrencias en perodos de tiempo sucesivos son independientes. Aqu el
parmetro importante es el tiempo promedio entre eventos. En teora de la
confiabilidad, donde la falla de un equipo concuerda con el proceso de Poisson,
recibe el nombre de tiempo promedio entre fallas. Muchas descomposturas de
equipo siguen el proceso de Poisson, y entonces la distribucin exponencial es
aplicable.
En el siguiente ejemplo se muestra una aplicacin simple de la distribucin
exponencial en un problema de confiabilidad. La distribucin binomial tambin
juega un papel importante en la solucin.

Ejemplos:
1. Suponga que un sistema contiene cierto tipo de componente cuyo tiempo de
falla en aos est dado por la variable aleatoria T, distribuida exponencialmente
con tiempo promedio de falla =5. S 5 de estos componentes se instalan en
diferentes sistemas, cul es la probabilidad de que al menos 2 continen
funcionando despus de 8 aos?
Solucin:
La probabilidad de que un determinado componente est funcionando an
despus de 8 aos es:
la | nos indica que la integral se va a evaluar desde 8
hasta
Sea x el nmero de componentes funcionando despus de 8 aos. Entonces
mediante la distribucin Binomial,
n=5
p = 0.20 = probabilidad de que un componente est funcionando despus de 8
aos
q = 1-p = 0.80 = probabilidad de que un componente no funcione despus de 8
aos
P(x 2 ) = p(x=2) + p(x=3) + p(x=4)+p(x=5) = 1 p(x = 0, 1)

2. El tiempo que transcurre antes de que una persona sea atendida en una
cafetera es una variable aleatoria que tiene una distribucin exponencial con
una media de 4 minutos. Cul es la probabilidad de que una persona sea
atendida antes de que transcurran 3 minutos en al menos 4 de los 6 das
siguientes?

Solucin:

la | nos indica que la integral se va a evaluar

desde 0 hasta 3
x = nmero de das en que un cliente es atendido antes de que transcurran 3
minutos
x = 0, 1, 2,...,6 das
p = probabilidad de que un cliente sea atendido antes de que transcurran 3
minutos en un da cualquiera = 0.5276
q = probabilidad de que un cliente no sea atendido antes de que transcurran 3
minutos en un da cualquiera = 1- p = 0.4724

= 0.11587 + 0.02157 = 0.13744