Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Esta distribución se utiliza como modelo para la distribución de tiempos entre la presentación de
eventos sucesivos.
Existe un tipo de variable aleatoria que obedece a una distribución exponencial la cual se define como el
tiempo que ocurre desde un instante dado hasta que ocurre el primer suceso.
A pesar de la sencillez analítica de sus funciones de definición, la distribución exponencial tiene una gran
utilidad práctica ya que podemos considerarla como un modelo adecuado para la distribución de
probabilidad del tiempo de espera entre dos hechos que sigan un proceso de Poisson. De hecho la
distribución exponencial puede derivarse de un proceso experimental de Poisson con las mismas
características que las que enunciábamos al estudiar la distribución de Poisson, pero tomando como
variable aleatoria, en este caso, el tiempo que tarda en producirse un hecho.
Obviamente, entonces, la variable aleatoria será continua. Por otro lado existe una relación entre el
parámetro a de la distribución exponencial, que más tarde aparecerá, y el parámetro de intensidad del
proceso l, esta relación es a = l
Al ser un modelo adecuado para estas situaciones tiene una gran utilidad en los siguientes casos:
Función de densidad.
A pesar de lo dicho sobre que la distribución exponencial puede derivarse de un proceso de Poisson,
vamos a definirla a partir de la especificación de su función de densidad:
Dada una variable aleatoria X que tome valores reales no negativos {x ³ 0} diremos que tiene una
distribución exponencial de parámetro a con a ³ 0, si y sólo si su función de densidad tiene la expresión:
Su esperanza o valor esperado:
Su varianza:
EJEMPLO
Suponga que el tiempo de respuesta X en cierta terminal de computadora en línea (el tiempo
transcurrido entre el fin de la consulta del usuario y el principio de la respuesta del sistema a esa
consulta) tiene una distribución exponencial con tiempo esperado de respuesta igual a 5 s.
Solucion:
E(X)=1/λ=5s :. λ =.2
F(10)=1- e ^ - ( 0.2 * 10 )= 1 – e ^ -2
P(X<=10)=F(10)=.86