You are on page 1of 6

DISTRIBUCION EXPONENCIAL

La distribución exponencial es el equivalente continuo de la distribución geométrica discreta. Esta


ley de distribución describe procesos en los que:

 Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que,
 el tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra en un
instante tf, no depende del tiempo transcurrido anteriormente en el que no ha pasado nada.

Se dice que una variable aleatoria X tiene una distribución exponencial con parámetro β(β>0) si X
tiene una distribución continua cuya función de distribución de probabilidad ʄ(x|β) se especifica
como:

𝑓(𝑥|β) = 𝛽𝑒 −𝛽𝑡 𝑝𝑎𝑟𝑎 𝑥 > 0

0 𝑝𝑎𝑟𝑎 𝑥 ≤ 0

Propiedades de la distribución exponencial


i) La función de distribución acumulada (f.d.a) de la distribución exponencial está dada
por:

𝑥
F(X) = P(X ≤ x) = ∫0 𝛽𝑒 −𝛽𝑡 dt = 1 -𝑒 −𝛽𝑥 , x≥0

𝑥
F(X) =P(X > 0) = ∫−∞ 𝛽𝑒 −𝛽𝑡 dt = 0

𝑥
F(X) = P(X<0) = ∫−∞ 𝛽𝑒 −𝛽𝑡 dt = 0

ii) El valor esperado de X se obtiene como:

1
E(X) = 𝛽

iii) La varianza de X puede obtenerse con una integración semejante.


2
Encontramos que E (𝑋 2 )= 𝛽2 Y, por lo tanto,
1
V(X)= E (𝑋 2 ) – [E(X)]2 = 𝛽2

Análogamente, resulta que la F.g.m. de X es:

𝛽
𝛽(𝑡) ≠ 𝛽−𝑡
𝑝𝑎𝑟𝑎 𝑡 < 𝛽

iv) La distribución exponencial tiene una propiedad de “falta de memoria”, esta


propiedad se puede deducir como sigue:
Si X tiene una distribución exponencial con parámetro β, entonces para cualquier
numero t˃0.


Pr(𝑋 ≥ 𝑡) = ∫ 𝛽𝑒 −𝛽𝑥 𝑑𝑥 = 𝑒 −𝛽𝑡
𝑡

Por tanto, para t>0 y cualquier otro número h>0

Pr(𝑋 ≥ 𝑡 + ℎ)
Pr(𝑋 ≥ 𝑡 + ℎ ∖ 𝑋 ≥ 𝑡) =
Pr(𝑋 ≥ 𝑡)

𝑒 −𝛽(𝑡+ℎ)
Pr(𝑋 ≥ 𝑡 + ℎ ∖ 𝑋 ≥ 𝑡) = 𝑒 −𝛽𝑡
= 𝑒 −𝛽ℎ = Pr(𝑋 ≥ ℎ)

Para explicar la propiedad de falta de memoria, supóngase que X representa el


número de minutos que transcurren antes de que ocurra un suceso. De acuerdo con la
ecuación dada anteriormente, si el suceso no ha ocurrido en “t” minutos, entonces la
probabilidad de que el suceso no ocurra durante los “h” minutos siguientes es
simplemente 𝑒 −𝛽ℎ . Esta probabilidad es la misma que la de que no ocurra el suceso
durante un intervalo de “h” minutos a partir del tiempo 0.

Distribución geométrica
Una distribución binomial negativa para la cual r=1 es llamada una distribución
geométrica. En otras palabras se dice que la variable aleatoria X tiene una distribución
geométrica con parámetro p (0<p<1) si X tiene una distribución discreta cuya función
probabilidad f (x,1|p) es la siguiente :
f (x, 1|p) = 𝑝𝑞 𝑥 para x=0,1,2,…
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
OBSERVACION: Como en el caso de la distribución geométrica, la reciproca de la propiedad iv)
también es cierta. La única variable aleatoria continua X que toma valores no negativos, para los
cuales P(X> s+t |X> s)= P(X > t), para toda s, t >0, es una variable aleatoria distribuida
exponencialmente. Aunque aquí no demostraremos esto, podría señalarse que la base del
argumento implica el hecho de que la única función continua G que tiene la propiedad que
G(x+y)= G(x) + G(y) para toda x,y > 0, es G(x)=𝑒 −𝑘𝑥 .

Es fácil ver que si definimos G(x)=1 –F(x), donde F es la función de distribución


acumulada de X, luego G satisfará esta condición.

Ejemplos:
1) El tiempo durante el cual cierta marca de batería trabaja en forma efectiva hasta que
falle (tiempo de falla) se distribuye según el modelo exponencial con un tiempo promedio
de fallas igual a 360 días.
 a) ¿qué probabilidad hay que el tiempo de falla sea mayor que 400 días?.
 b) Si una de estas baterías ha trabajado ya 400 días, ¿qué probabilidad hay que trabaja
más de 200 días más?
 c) Si se están usando 5 de tales baterías calcular la probabilidad de que más de dos de
ellas continúen trabajando después de 360 días.
Solución
Sea X=el tiempo que trabaja la batería hasta que falle. El tiempo promedio de falla es de
360 días. Entonces, X ~Exp (ß=1/360) y su función de densidad es:
2) Suponga que la vida de cierto tipo de tubos electrónicos tiene una distribución
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) ¿Cuál es la probabilidad que dure por lo menos 300 horas?
 c) Si un tubo particular ha durado 300 horas. ¿cúal es la probabilidad de que dure otras
400 horas?

Solución