0 calificaciones0% encontró este documento útil (0 votos)
3 vistas9 páginas
La distribución exponencial describe el tiempo transcurrido hasta la primera ocurrencia de un evento en un proceso de Poisson. Se aplica a variables como el tiempo entre llegadas de clientes o fallas de equipos. La función de densidad de probabilidad de una distribución exponencial depende de un parámetro λ, que representa la tasa media de ocurrencia de eventos. El valor esperado y la varianza de una distribución exponencial son ambos iguales a 1/λ.
La distribución exponencial describe el tiempo transcurrido hasta la primera ocurrencia de un evento en un proceso de Poisson. Se aplica a variables como el tiempo entre llegadas de clientes o fallas de equipos. La función de densidad de probabilidad de una distribución exponencial depende de un parámetro λ, que representa la tasa media de ocurrencia de eventos. El valor esperado y la varianza de una distribución exponencial son ambos iguales a 1/λ.
La distribución exponencial describe el tiempo transcurrido hasta la primera ocurrencia de un evento en un proceso de Poisson. Se aplica a variables como el tiempo entre llegadas de clientes o fallas de equipos. La función de densidad de probabilidad de una distribución exponencial depende de un parámetro λ, que representa la tasa media de ocurrencia de eventos. El valor esperado y la varianza de una distribución exponencial son ambos iguales a 1/λ.
Cuando la variable continua se comporta en el contexto de un
proceso de Poisson, entonces se dice que sigue una Distribución Exponencial. La diferencia consiste en que se establece un intervalo dentro del cual puede ocurrir el evento, por ejemplo, ¿Cuál es la probabilidad de que la primera solicitud de servicio llegue en el transcurso de un minuto? En lugar del número de ocurrencias en un periodo de tiempo dado, en la distribución exponencial lo que interesa es la cantidad de tiempo transcurrido hasta la primera ocurrencia, por ejemplo el tiempo transcurrido hasta que falla un componente electrónico determinado de un circuito o hasta que llega un cliente a la ventanilla del banco; como el proceso de Poisson es independiente y estacionario, es equivalente a decir que el interés está en la cantidad de tiempo transcurrido entre ocurrencias de fallas o entre llegadas de los clientes. Aplicación: Esta distribución se aplica cuando lo que interesa saber es: • el tiempo (o espacio) hasta el primer evento • el tiempo entre dos eventos sucesivos, o • el tiempo hasta que ocurra el evento después de un punto temporal seleccionado
La distribución exponencial puede usarse para variables aleatorias
como el tiempo entre la llegada de un automóvil a una agencia de servicio, el tiempo requerido para cambiar una llanta, la distancia entre los defectos importantes de una carretera, entre otros. Fórmulas: Ejemplo 1: Suponiendo que x representa el tiempo de carga para un camión y que ésta sigue una distribución exponencial cuya media o promedio de tiempo de carga es de 15 min.
a) Expresar su función de densidad
b) Determinar la probabilidad de que cargar un cambio se tarde menos de 6 min c) Determinar la probabilidad de que cargar un camión se tarde menos de 18 min d) Determinar la probabilidad de que se tarde en cargar un camión entre 6 y 18 min e) Determinar el valor esperado y la varianza Ejemplo 1: Suponiendo que x representa el tiempo de carga para un camión y que ésta sigue una distribución exponencial cuya media o promedio de tiempo de carga es de 15 min. d) Determinar la probabilidad de que se tarde en cargar un camión entre 6 y 18 min 0.699 – 0.3297 = 0.3691
e) Determinar el valor esperado y la varianza
valor esperado = 15 min Desviación estándar = 15 Por lo tanto, con los datos que se tienen, se espararía que un camión se tardara en cragar entre 0 y 30 minutos.