UNIVERSIDAD NACIONAL DEL

CALLAO
FACULTAD DE INGENIERA DE
ALIMENTOS Y PESQUERA

ESCUELA PROFESIONAL DE INGNIERIA DE

ALIMENTOS

DISTRIBUCIN EXPONENCIAL

Curso:
ESTADSTICA DE LA INVESTIGACIN

Profesor: campusano

Ciclo:
V- 2017B

2017
I. Introduccin :
El presente trabajo tiene como objetivo exponer la distribucin exponencial de forma terica y
prctica. A pesar de la sencillez analtica de sus funciones de definicin, la distribucin
exponencial tiene una gran utilidad prctica ya que podemos considerarla como un modelo
adecuado para la distribucin de probabilidad del tiempo de espera entre dos hechos que
sigan un proceso de Poisson. De hecho la distribucin exponencial puede derivarse de un
proceso experimental de Poisson con las mismas caractersticas que las que enuncibamos al
estudiar la distribucin de Poisson, pero tomando como variable aleatoria, en este caso, el
tiempo que tarda en producirse un hecho.

II. Teora :
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.

A pesar de la sencillez analtica de sus funciones de definicin, la distribucin exponencial

tiene una gran utilidad prctica ya que podemos considerarla como un modelo adecuado para
la distribucin de probabilidad del tiempo de espera entre dos hechos que sigan un proceso de
Poisson. De hecho la distribucin exponencial puede derivarse de un proceso experimental de
Poisson con las mismas caractersticas que las que enuncibamos al estudiar la distribucin de
Poisson, pero tomando como variable aleatoria, en este caso, el tiempo que tarda en
producirse un hecho

Obviamente, entonces, la variable aleatoria ser continua. Por otro lado existe una relacin
entre el parmetro a de la distribucin exponencial, que ms tarde aparecer, y el parmetro
de intensidad del proceso l, esta relacin es (a = l)

Al ser un modelo adecuado para estas situaciones tiene una gran utilidad en los siguientes
casos:

Distribucin del tiempo de espera entre sucesos de un proceso de Poisson

Distribucin del tiempo que transcurre hasta que se produce un fallo, si se cumple la
condicin que la probabilidad de producirse un fallo en un instante no depende del tiempo
transcurrido .Aplicaciones en fiabilidad y teora de la supervivencia.

Funcin de densidad.
 A pesar de lo dicho sobre que la distribucin exponencial puede derivarse de un proceso de
Poisson, vamos a definirla a partir de la especificacin de su funcin de densidad:

Dada una variable aleatoria X que tome valores reales no negativos {x 0} diremos que tiene
una distribucin exponencial de parmetro a con a 0, si y slo si su funcin de densidad tiene
la expresin:

Diremos entonces que

Grficamente como ejemplo

planteamos el modelo con
parmetro a =0,05

En consecuencia, la funcin de distribucin ser:

En la principal aplicacin de esta distribucin, que es la Teora de la Fiabilidad, resulta ms

interesante que la funcin de distribucin la llamada Funcin de Supervivencia o Funcin de
Fiabilidad.

La funcin de Supervivencia se define cmo la probabilidad de que la variable

aleatoria tome valores superiores al valor dado X:
 Si el significado de la variable aleatoria es "el tiempo que transcurre hasta que se produce el
fallo": la funcin de distribucin ser la probabilidad de que el fallo ocurra antes o en el
instante X: y , en consecuencia la funcin de supervivencia ser la probabilidad de que el fallo
ocurra despus de transcurrido el tiempo X ; por lo tanto, ser la probabilidad de que el
elemento, la pieza o el ser considerado "Sobreviva" al tiempo X ; de ah el nombre.

Grficamente, la funcin de distribucin para un modelo exponencial de parmetro a =0,05

sera:

En la que se observa lo que sera

la diferencia entre funcin de
distribucin y la de supervivencia

La Funcin Generatriz de Momentos ser :

 Tendremos as que la F.G.M ser :

Una vez calculada la F.G.M podemos, partiendo de ella, calcular la media y la varianza

As la media ser:

En cuando a la varianza su expresin ser:

Ya que

La mediana del modelo exponencial ser aquel valor de la variable x =Me que verifica que

F (Me) =

De manera que

Por lo que

Tasa instantnea de fallo.

Dentro del marco de la teora de la fiabilidad si un
elemento tiene una distribucin del tiempo para un fallo con una funcin de densidad f(x) ,
siendo x la variable tiempo para que se produzca un fallo , y con una funcin de supervivencia
S(X) La probabilidad de que un superviviente en el instante t falle en un instante posterior t
+ D t ser una probabilidad condicionada que vendr dada por:

Al cociente entre esta probabilidad condicionada y la amplitud del intervalo considerado, t ,

se le llama tasa media de fallo en el intervalo [t , t+D t] :

Y a la tasa media de fallo en un intervalo infinitsimo es decir, al lmite de la tasa media de

fallo cuando D t 0 se le llama Tasa Instantnea de Fallo (o, simplemente, tasa de fallo) en t:

La tasa de fallo es, en general, una funcin del tiempo, que define unvocamente la
distribucin.

Pues bien, puede probarse que el hecho de que la tasa de fallo sea constante es condicin
necesaria y suficiente para que la distribucin sea exponencial y que el parmetro es, adems,
el valor constante de la tasa de fallo.

En efecto:

Si

De donde
Integrando esta ecuacin diferencial entre 0 y x :

De modo que la funcin de distribucin ser

Funcin de Distribucin de una Exponencial

Si X tiene una distribucin exponencial

De manera que

As pues si un elemento tiene una distribucin de fallos exponencial su tasa de fallos se

mantiene constante a lo largo de toda la vida del elemento. La probabilidad de fallar en un
instante no depende del momento de la vida del elemento en el que nos encontremos; lo que
constituye la propiedad fundamental de la distribucin que ahora enunciamos:

Propiedad fundamental de la distribucin exponencial

La distribucin exponencial no tiene memoria:

 Poseer informacin de que el elemento que consideramos ha sobrevivido un tiempo S (hasta
el momento) no modifica la probabilidad de que sobreviva t unidades de tiempo ms. La
probabilidad de que el elemento falle en una hora (o en un da, o en segundo) no depende del
tiempo que lleve funcionando. No existen envejecimiento ni mayor probabilidad de fallos al
principio del funcionamiento

Expresin que no depende, como se observa, del tiempo sobrevivido s.