La distribucin Exponencial es un caso especial de la distri-bucin Gamma.

Cuando en la
distribucin Gamma = 1, se tiene la distribucin exponencial. Esto significa que la suma de
variables aleatorias independientes que tienen una distribucion Exponencial Negativa, es a su vez
una variable aleatoria con distribucin Gamma.
Distribucin exponencial (Prctica)
Ejemplos prcticos sobre la distribucin exponencial:
EJEMPLO 1.-El tiempo durante el cual cierta marca de batera trabaja en forma efectiva hasta
que falle (tiempo de falla) se distribuye segn el modelo exponencial con un tiempo promedio
de fallas igual a 360 das.
- a) qu probabilidad hay que el tiempo de falla sea mayor que 400 das?.
- b) Si una de estas bateras ha trabajado ya 400 das, qu probabilidad hay que trabaja ms
de 200 das ms?
- c) Si se estn usando 5 de tales bateras calcular la probabilidad de que ms de dos de ellas
continen trabajando despus de 360 das.
Solucin
Sea X=el tiempo que trabaja la batera hasta que falle. El tiempo promedio de falla es de 360
das. Entonces, X ~Exp (=1/360) y su funcin de densidad es:

EJEMPLO 2.-Suponga que la vida de cierto tipo de tubos electrnicos tiene una distribucin
exponencial con vida media de 500 horas. Si X representa la vida del tubo (tiempo q dura el
tubo).
- a) Hallar la probabilidad que se queme antes de las 300 horas.
- b) Cul es la probabilidad que dure por lo menos 300 horas?
- c) Si un tubo particular ha durado 300 horas. cal es la probabilidad de que dure otras 400
horas?
Solucin

Este, es una propiedad de la distribucin exponencial que se conoce como la de no tener
memoria.
EJEMPLO 3.-Suponga que el tiempo que necesita un cajero de un banco para atender a
un cliente tiene un distribucin exponencial con una media de 40 segundos.
- a) Hallar la probabilidad que el tiempo necesario para atender un cliente dado sea mayor
que 20 minutos?
- b) Cul es la probabilidad que el tiempo necesario para atender a un cliente est
comprendido entre 1 y 2 minutos.
Solucin











3. 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 |, 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:

= | y o
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 . Como resultado,
P(X > x) =

Entonces, la funcin de distribucin acumulada para x es:

P(0s X s x) = 1 -

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) =

La cual es la funcin de densidad de la distribucin exponencial
con .
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 . 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 va a ser evaluada de 0 a 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