DISTRIBUCION EXPONENCIAL

La distribucin exponencial es el equivalente continuo de la distribucin geomtrica discreta. Esta ley de distribucin describe procesos en los que interesa saber el tiempo hasta que ocurre determinado evento; en particular, se utiliza para modelar tiempos de supervivencia. Un ejemplo es el tiempo que tarda una partcula radiactiva en desintegrarse. El conocimiento de la ley que sigue este evento se utiliza, por ejemplo, para la datacin de fsiles o cualquier materia orgnica mediante la tcnica del carbono 14. Una caracterstica importante de esta distribucin es la propiedad conocida como falta de memoria. Esto significa, por ejemplo, que la probabilidad de que un individuo de edad t sobreviva x aos ms, hasta la edad x+t, es la misma que tiene un recin nacido de sobrevivir hasta la edad x. Dicho de manera ms general, el tiempo transcurrido desde cualquier instante dado t0 hasta que ocurre el evento, no depende de lo que haya ocurrido antes del instante t0. La distribucin exponencial se puede caracterizar como la distribucin del tiempo entre sucesos consecutivos generados por un proceso de Poisson; por ejemplo, el tiempo que transcurre entre dos heridas graves sufridas por una persona. La media de la distribucin de Poisson, lambda, que representa la tasa de ocurrencia del evento por unidad de tiempo, es el parmetro de la distribucin exponencial, y su inversa es el valor medio de la distribucin. Tambin se puede ver como un caso particular de la distribucin gamma(a,p), con a=lambda y p=1. El uso de la distribucin exponencial ha sido limitado en bioestadstica, debido a la propiedad de falta de memoria que la hace demasiado restrictiva para la mayora de los problemas. Campo de variacin: 0<x< Parmetros: lambda: tasa, lambda > 0 Mientras que la distribucin de Poisson describe las llegadas por unidad de tiempo, la distribucin exponencial estudia el tiempo entre cada una de estas llegadas. Si las llegadas son de Poisson el tiempo entre estas llegadas es exponencial. Mientras que la distribucin de Poisson es discreta la distribucin

exponencial es continua porque el tiempo entre llegadas no tiene que ser un nmero entero. Esta distribucin se utiliza mucho para describir el tiempo entre eventos. Ms especficamente la variable aleatoria que representa al tiempo necesario para servir a la llegada. Ejemplos tpicos de esta situacin son el tiempo que un medico dedica a una exploracin, el tiempo de servir una medicina en una farmacia, o el tiempo de atender a una urgencia. El uso de la distribucin exponencial supone que los tiempos de servicio son aleatorios, es decir, que un tiempo de servicio determinado no depende de otro servicio realizado anteriormente ni de la posible cola que pueda estar formndose. Otra caracterstica de este tipo de distribucin es que no tienen "edad" o en otras palabras, "memoria". Por ejemplo. Supongamos que el tiempo de atencin de un paciente en una sala quirrgica sigue una distribucin exponencial. Si el paciente ya lleva 5 horas siendo operado, la probabilidad de que est una hora ms es la misma que si hubiera estado 2 horas, o 10 horas o las que sea. Esto es debido a que la distribucin exponencial supone que los tiempos de servicio tienen una gran variabilidad. A lo mejor el prximo paciente operado tarda 1 hora porque su ciruga era mucho ms simple que la anterior. Esta distribucin se utiliza como modelo para la distribucin de tiempos entre la presentacin de eventos sucesivos. Existe un tipo de variable aleatoria que obedece a una distribucin exponencial la cual se define como EL TIEMPO QUE OCURRE DESDE UN INSTANTE DADO HASTA QUE OCURRE EL PRIMER SUCESO Se dice que una variable aleatoria continua tiene una distribucin exponencial con parmetro > 0 si: o su funcin de densidad es:

su esperanza o valor esperado

Su varianza

La desviacin tpica es la raz cuadrada de la varianza

Su funcin de distribucin acumulada es:

Sea X una distribucin exponencial, entonces: P(X > a+t | X > a)=P( X >t ) Supongamos que la duracin de cierto componente en estado slido X es exponencial. Entonces la probabilidad de que X dure t unidades despus de haber durado a unidades es la misma que la probabilidad de que X dure t unidades cuando X estaba nuevo.

Ejemplo No. 1: Suponga que el tiempo de respuesta X en cierta terminal de computadora en lnea (el tiempo transcurrido entre el fin de la consulta del usuario y el principio de la respuesta del sistema a esa consulta) tiene una distribucin exponencial con tiempo esperado de respuesta igual a 5 s. a. Cul es la probabilidad de que el tiempo de respuesta sea a lo sumo 10 s? b. Cul es la probabilidad de que el tiempo de respuesta est entre 5 y 10s? Datos: E ( X ) = 1 / = 5 s :. =0,2 a. Obteniendo la distribucin acumulada: o F(10)=1- e ^ - ( 0.2 * 10 )= 1 e ^ -2 =0,8646 o P(X<=10)=F(10)=0,86 b. La probabilidad de que el tiempo de respuesta est entre 5 y 10s es: P (5 <= X <=10) = F(10) F(5) = ( 1 - e ^ -2) ( 1 - e ^ -1) =0,233

Ejemplo No. 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. cul es la probabilidad de que dure otras 400 horas?

Solucin