Distribución exponencial continua

Fundamentos:
Es una distribución para variables aleatorias continuas, que se utiliza básicamente para moldear tiempos de
espera entre ciertos sucesos que sigan un proceso de Poisson (Contar eventos raros que ocurren en determinado
tiempo).

x exp ( λ ) , λ >0

{
−λx
f ( x )= λ e ,∧si x> 0
0 ,∧Enotro caso

a b

b
P ( X ∈ ( a ,b ) )=∫ λ e
−λx
dx
a

Teniendo en cuenta que para hallar la función de distribución acumulada se debe integrar f(x) en el límite
inferior de integración dado hasta x, se tiene que:
x x
F ( x )=∫ λ e
0
−λx
dx →∫
0
− λ eu
λ
du →−e x →−e −(−1 )
− λx

0
− λx
|
du
u=−λx → du=−λ dx → =dx
−λ

F ( x )=P ( X ≤ x ) =1−e− λx

F ( x )=
{1−e0 , si∧x, si∧x≤ 0>0
−λx

Cálculos asociados:
Esperanza E(x):
∞ ∞
E ( x )=∫ xf ( x ) dx=¿ ∫ ( x ) ( λ e ) dx ¿
−λx

−∞ 0
 −λx −λx
u=x dv= λ e du=dx v=−e

|∞0
−λx
( x ) ( −e−λx ) −∫ −e− λx dx → ( x ) (−e− λx ) − e
λ
−λ ∞ − λ0
( ∞ ) (−e− λ∞ ) − e −( 0 ) (−e ) +
− λ0 e 1
=0−0−0+ E ( x )=
1
λ λ λ λ
Varianza V(x): La varianza está dada por V(x) = E(x2) – E2(x), y teniendo el valor E(x) que posteriormente se
elevará al cuadrado, se procede a hallar E(x2) mediante la siguiente integral:

∞ ∞
E ( x )= ∫ x f ( x ) dx=¿ ∫ ( x )( λ e ) ¿
2 2 2 − λx

−∞ 0

2 −λx −λx
u=x dv= λ e du=2 x dx v=−e

( x 2 ) (−e− λx ) −∫ −e− λx∗2 x dx →−x 2 e−λx −2 ∫ ( x ) (−e−λx ) dx

2
∗1
−x e
2 −λx 2
λ
−λx 2 − λx ∞
+ ∫ ( x ) ( λe ) dx →−x e
0
+
λ
λ |
2 2 2
=0+0+ 2 E ( x ) = 2
2 −λ ∞ 2 − λ0 2
−∞ e +0 e + 2
λ λ λ
Entonces se tiene que:

λ
2
V ( x )=E ( x )−E ( x ) → 2 −
2 1 2 2 1
λ () 1
→ 2 − 2 →V ( x )= 2
λ λ λ

Ahora bien, se entiende que la desviación estándar es equivalente a:

D ( x ) =√ V (x) → D ( x )=
√ 1
λ 2
→ D (x)=
1
λ

Esto indica que la desviación estándar y la esperanza son equivalentes entre sí.

Propiedad de pérdida de memoria: Es la propiedad fundamental de las distribuciones exponenciales y la única

variable aleatoria continua en cumplirla, esta indica que, el tiempo que haya tardado un suceso en ocurrir no
influye en el tiempo actual para que otro suceso se presente. Para corroborar esta propiedad se usa la
distribución exponencial en relación con la función de supervivencia y la función de riesgo, con el fin de
determinar si el suceso sobrevive en un periodo de tiempo o si falla antes del tiempo dado.
P ( X > x + y|x+ y )=P ( X > x )

Ejemplo:

En el hospital regional del Líbano-Tolima se presenta una distribución exponencial en el tiempo

que transcurre un servicio de urgencia hasta la llegada de otro paciente, la media que se registra
es de 15 minutos, teniendo en cuenta lo anterior:
a) Determine la probabilidad de que transcurra más de 1 hora en la llegada de un paciente.
b) Hallar la probabilidad de que transcurra más de 5 minutos en la llegada de un paciente y
menos de 30 minutos.
c) Suponga que pasados 40 minutos no ha llegado ningún paciente, ¿Cuál es la probabilidad
de que llegue uno en los próximos 10 minutos?
d) Determinar x, sabiendo que la probabilidad de que un paciente llegue al hospital en un
rango de x minutos es de 0,65.
e) Calcular la varianza.
Solución:
Sea x el tiempo en horas desde el inicio del intervalo hasta la llegada del primer paciente
min∗1 h 1 1
E ( x )=15 = h E ( x )= λ=4
60 min 4 λ

a) Determine la probabilidad de que transcurra más de 1 hora en la llegada de un paciente:

P ( X ≤ x )=1−e− λx
P ( X > x )=1−P ( X ≤ x )
P ( X > x )=1− [ 1−e− λx ]
P ( X > x )=e− λx
( −4 )( 1)
P ( X >1 )=e
P ( X >1 )=0,0183

|
∞

∫ 4 e−4 x dx=−e−4 x ∞1 =0−( −e−4 ) =0,0183

1

b) Hallar la probabilidad de que transcurra más de 5 minutos en la llegada de un paciente y

menos de 30 minutos:

min∗1 h 1
5 = =0,0833
60 min 12
 min∗1 h 1
30 = =0 , 5
60 min 2

P ( X ≤ x )=1−e− λx
P ( 0,0833< X <0,5 )=F ( 0,5 )−F( 0,0833)
−4 ( 0,5 ) −4 ( 0 ,0833 )
P ( 0,0833< X <0,5 )=1−e −(1−e )
¿ 0,865−0,283=0,581

0,5
P ( 0,0833< X <0,5 )= ∫ 4e
−4 x
dx
0,0833

− 𝑒−4𝑥 0,0833¿−e
−4 x
|0,0833
0,5 =−e −2
+e−0,333 =0,58 1

c) Suponga que pasados 40 minutos no ha llegado ningún paciente, ¿Cuál es la probabilidad

de que llegue uno en los próximos 10 minutos?

min∗1 h
10 =0,1667
60 min
−λx
P ( x< 0,1667 )=1−e
−(4 )(0,1667)
P ( x< 0,1667 )=1−e
P ( x< 0,1667 )=1−0,513=0,487

|
0,1667

∫ 4 e−4 x dx=−e−4 x 0,1667 =−0,513−(−1)=0,487

0 0

d) Determinar x, sabiendo que la probabilidad de que un paciente llegue al hospital en un

rango de x minutos es de 0,65:

P ( X ≤ x )=¿ 1−e−λx
( −4) ( x )
0,65=1−e
−4 x
e =0,35
−4 x ln|e|=ln |0,35|
−4 x=−1,05
−1,05
x=
−4
x=0,2625 h

e) Calcular la varianza:

()
2
( ) 2 1
Var x = 2 −
λ λ
 1
Var ( x ) = 2
λ
1
Var ( x ) = 2 =0,0625
(4 )