3.

9 Distribución exponencial 253

a) FY pyq en términos de FX pxq.

b) fY pyq en términos de fX pxq.
370. Una forma de aproximar π. Escriba un programa de cómputo para
generar valores al azar x, y con distribución uniforme dentro del
? inter-
valo p0, 1q, independiente un valor del otro. Si ocurre que y ď 1 ´ x2 ,
entonces el punto px, yq pertenece a la región sombreada de la Figu-
ra 3.12 y se considera un éxito, en caso contrario se considera un
fracaso. Ası́, al repetir varias veces este procedimiento, el cociente del
número de éxitos nE entre el número de ensayos n será una apro-
ximación del área de la región sombreada. Siendo esta región una
cuarta parte del cı́rculo unitario, su área es π{4. Grafique la función
n ÞÑ 4nE {n para n “ 1, 2, . . . , 100 y comente su comportamiento con-
forme n crece.

?
gpxq “ 1 ´ x2

x
1

Figura 3.12

3.9. Distribución exponencial

Decimos que una variable aleatoria continua X tiene distribución exponen-
cial con parámetro λ ą 0, y escribimos X „ exppλq, cuando su función de
densidad es #
λ e´λx si x ą 0,
f pxq “
0 en otro caso.
254 3. Distribuciones de probabilidad

La gráfica de esta función, cuando el parámetro λ toma el valor particular 3,

se muestra en la Figura 3.13 (a). La correspondiente función de distribución
aparece a su derecha. Es muy sencillo verificar que la función f pxq, arriba
definida, es efectivamente una función de densidad para cualquier valor del
parámetro λ ą 0. Se trata pues de una variable aleatoria continua con con-
junto de valores el intervalo p0, 8q. Esta distribución se usa para modelar
tiempos de espera para la ocurrencia de un cierto evento. Los valores de
f pxq pueden calcularse en el paquete R de la siguiente forma.

# dexp(x,λ) evalúa f pxq de la distribución exppλq

> dexp(0.5,3)
r1s 0.6693905

f pxq F pxq
3 1

2
1 λ“3
x x
1 1
(a) (b)
Figura 3.13

Integrando la función de densidad desde menos infinito hasta un valor arbi-

trario x, se encuentra que la función de distribución tiene la expresión que
aparece abajo y cuya gráfica se muestra en la Figura 3.13 (b).
#
1 ´ e´λx si x ą 0,
F pxq “
0 en otro caso.

En el paquete R, la función F pxq se calcula usando el siguiente comando.

3.9 Distribución exponencial 255

# pexp(x,λ) evalúa F pxq de la distribución exppλq

> pexp(0.5,3)
r1s 0.7768698

Aplicando el método de integración por partes puede comprobarse que

a) EpXq “ 1{λ.
b) VarpXq “ 1{λ2 .

Simulación 3.11 Pueden generarse valores al azar en R de la distribución

exponencial usando el comando que aparece en el siguiente recuadro. Como
un ejercicio de simulación asigne un valor de su preferencia al parámetro λ
y genere valores al azar de esta distribución.

# rexp(k,λ) genera k valores al azar de la distribución exppλq

> rexp(5,3)
r1s 0.53847926 0.19371105 0.32025823 0.07144621 0.20201383

Ejemplo 3.14 Suponga que el tiempo en minutos que un usuario cualquie-

ra permanece revisando su correo electrónico sigue una distribución expo-
nencial de parámetro λ “ 1{5. Calcule la probabilidad de que un usuario
cualquiera permanezca conectado al servidor de correo
a) menos de un minuto.
b) más de una hora.
Solución. Sea X el tiempo de conexión al servidor de correo. Para el primer
inciso tenemos que
ż1
P pX ă 1q “ 1{5 e´x{5 dx “ 0.181 .
0
Para el segundo inciso,
ż8
P pX ą 60q “ 1{5 e´x{5 dx “ 0.0000061 .
60
‚
256 3. Distribuciones de probabilidad

Ejercicios
371. Demuestre que la función de densidad exponencial efectivamente es
una función de densidad. A partir de ella encuentre la correspondiente
función de distribución.

372. Sea X una v.a. con distribución exppλq con λ “ 2. Encuentre

a) P pX ă 1q c) P pX ă 1 | X ă 2q.
b) P pX ě 2q d ) P p1 ď X ď 2 | X ą 0q.

373. Sea X una v.a. con distribución exppλq. Use la definición de esperanza
y el método de integración por partes para demostrar que

a) EpXq “ 1{λ. c) EpX 3 q “ 6{λ3 .

b) EpX 2 q “ 2{λ2 . d ) VarpXq “ 1{λ2 .

374. Sea X una v.a. con distribución exppλq. Use la fórmula (2.18) del
Ejercicio 217, en la página 165, para encontrar la esperanza de las
variables no negativas X, X 2 y X 3 y demostrar nuevamente que

a) EpXq “ 1{λ. c) EpX 3 q “ 6{λ3 .

b) EpX 2 q “ 2{λ2 . d ) VarpXq “ 1{λ2 .

375. Momentos. Sea X una v.a. con distribución exppλq. Demuestre que
el n-ésimo momento de X es
n!
EpX n q “ .
λn

376. Sea X una v.a. con distribución exppλq y sea c ą 0 una constante.
Demuestre que
cX „ exppλ{cq.

377. f.g.m. Sea X una v.a. con distribución exppλq. Demuestre que la fun-
ción generadora de momentos de X es la función M ptq que aparece
3.9 Distribución exponencial 257

abajo. Usando esta función y sus propiedades, encuentre nuevamente

la esperanza y la varianza de esta distribución.

λ
M ptq “ para t ă λ.
λ´t

378. Cuantil. Sea p P p0, 1q. Encuentre el cuantil al 100p % de la distribu-

ción exppλq. En particular, muestre que la mediana es pln 2q{λ.

379. Propiedad de pérdida de memoria. Sea X una v.a. con distribu-

ción exponencial de parámetro λ. Demuestre que, para cualesquiera
valores x, y ě 0,

P pX ą x ` y | X ą yq “ P pX ą xq.

380. Discretización. Sea X una v.a. con distribución exppλq. Demues-

tre que la variable aleatoria discreta, definida a continuación, tiene
distribución geoppq con p “ 1 ´ e´λ .

0 si 0 ă X ď 1,
$
’
’
& 1 si 1 ă X ď 2,
’
Y “
’
’
’ 2 si 2 ă X ď 3,
%
¨¨¨ ¨¨¨

381. Simulación: método de la función inversa. Sea U una variable

aleatoria con distribución unifp0, 1q y sea λ ą 0 una constante. De-
muestre que la variable aleatoria X, definida a continuación, tiene
distribución exppλq. Este resultado permite obtener valores al azar
de la distribución exponencial a partir de valores de la distribución
uniforme continua.
1
X “ ´ ln p1 ´ U q.
λ
382. Coche en venta. Un señor esta vendiendo su coche y decide aceptar
la primera oferta que exceda $50,000 . Si las ofertas son variables alea-
torias independientes con distribución exponencial de media $45,000,
encuentre
258 3. Distribuciones de probabilidad

a) la distribución de probabilidad del número de ofertas recibidas

hasta vender el coche.
b) la probabilidad de que el precio de venta rebase $55,000 .
c) el precio promedio de venta del coche.

383. El tiempo medido en horas para reparar una máquina es una variable
aleatoria exponencial de parámetro λ “ 1{2. ¿Cuál es la probabilidad
de que un tiempo de reparación

a) exceda 2 horas?
b) tome a lo sumo 4 horas?
c) tome a lo sumo 4 horas dado que no se ha logrado la reparación
en las primeras 2 horas?

3.10. Distribución gamma

La variable aleatoria continua X tiene una distribución gamma con pará-
metros α ą 0 y λ ą 0, y escribimos X „ gammapα, λq, si su función de
densidad es
α´1
& pλxq
$
λe´λx si x ą 0,
f pxq “ Γpαq
%
0 en otro caso.
La gráfica de esta función de densidad, para varios valores de los parámetros,
se muestra en la Figura 3.14. En la expresión anterior aparece el término
Γpαq, el cual se conoce como la función gamma, y es de este hecho que la
distribución adquiere su nombre. La función gamma se define por medio de
la siguiente integral.
8
ż
Γpαq “ tα´1 e´t dt,
0
para cualquier número real α tal que esta integral sea convergente. Para
evaluar la función gamma es necesario substituir el valor de α en el inte-
grando y efectuar la integral infinita. En general, no necesitaremos evaluar
esta integral para cualquier valor de α, sólo para algunos pocos valores,
principalmente enteros, y nos ayudaremos de las siguientes propiedades que