UNIVERSIDAD PRIVADA ANTENOR ORREGO
FACULTAD DE INGENIERA
ESCUELA PROFESIONAL DE INGENIERA INDUSTRIAL
EXPOSICIN DE SIMULACIN
DOCENTE:
JULIO TERRONES ROMERO
TURNO:
MIRCOLES: 2:20 A 5:00 PM
INTEGRANTES:
CASTAEDA ANGULO, JUAN PEDRO
RAMIREZ ZAVALETA, HERNAN
ZAVALA RODRIGUEZ, MIGUEL
CURSO:
SIMULACIN, ANLISIS Y DISEO
FECHA:
21/10/2016
TRUJILLO PER
2016
CASO PRCTICO DE SIMULACIN: DISTRIBUCIN
EXPONENCIAL
INTRODUCCIN
La distribucin exponencial hoy en da 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.
Distribucin exponencial
La distribucin exponencial es el equivalente continuo de la
distribucin geomtrica discreta. Que recordemos era:
Describe procesos en los que nos interesa saber el tiempo hasta que
ocurre un determinado evento, sabiendo que el tiempo que puede
transcurrir desde cualquier instante dado t, hasta que ello ocurra en
un instante tf, no depende del tiempo transcurrido anteriormente.
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.
Ejemplos tpicos de esta situacin son el tiempo que un medico
dedica a una exploracin, el tiempo de servir una medicina en una
farmacia, o el tiempo de atender a una urgencia.
El uso de la distribucin exponencial supone que los tiempos de
servicio son aleatorios, es decir, que un tiempo de servicio
determinado no depende de otro servicio realizado anteriormente ni
de la posible cola que pueda estar formndose. Otra caracterstica de
este tipo de distribucin es que no tienen "edad" o en otras palabras,
"memoria". Por ejemplo. Supongamos que el tiempo de atencin de
un paciente en una sala quirrgica sigue una distribucin
exponencial. Si el paciente ya lleva 5 horas siendo operado, la
probabilidad de que est una hora ms es la misma que si hubiera
estado 2 horas, o 10 horas o las que sea. Esto es debido a que la
distribucin exponencial supone que los tiempos de servicio tienen
una gran variabilidad. A lo mejor el prximo paciente operado tarda 1
hora porque su ciruga era mucho ms simple que la anterior.
Ejemplos de este tipo de distribuciones son: el tiempo que tarda una
partcula radiactiva en desintegrarse (datacin de fsiles o cualquier
materia orgnica mediante la tcnica del carbono 14) o el tiempo que
puede transcurrir en un servicio de urgencias, para la llegada de un
paciente.
En un proceso de Poisson donde se repite sucesivamente un
experimento a intervalos de tiempo iguales, el tiempo que transcurre
entre la ocurrencia de dos "sucesos raros" consecutivos sigue un
modelo probabilstico exponencial. Por ejemplo, el tiempo que
transcurre entre que sufrimos dos veces una herida importante (o una
coz de burro, recuerda...)
Por ejemplo, la distribucin exponencial se puede utilizar para
modelar:
Cunto tiempo tarda un componente electrnico en
fallar
El intervalo de tiempo entre las llegadas de clientes
a un terminal
El tiempo que esperan los clientes en fila hasta
recibir servicio
El tiempo hasta que se declara el incumplimiento de
un pago (modelos de riesgo de crdito).
La distancia entre mutaciones en una cadena de
ADN
El
radiactivo
tiempo
para
desintegracin
de
un
ncleo
1. Quin lo cre?
Mencionado anteriormente esta distribucin se deriva de un proceso
experimental de Poisson; de manera no directa el autor de esta
distribucin es Simen Denis Poisson; conocido a lo largo de la
historia por ser matemtico, astrnomo y fsico francs; brevemente
como resea histrica fue alumno de Lagrange y Laplace en lcole
Polytechnique, donde comenz su actividad docente como ayudante
de Fourier. Adems, fue miembro de la Academia de Ciencias,
presidente del Bureau des Longitudes y profesor de mecnica de la
Facultad de Ciencias, para Poisson la vida es trabajo. De su esfuerzo
continuado a lo largo de su vida surgieron ms de trescientas obras
que recogen importantes aportaciones a la fsica (elasticidad,
magnetismo, calor, capilaridad) y a la matemtica (teora de
nmeros, probabilidad, series de Fourier,).
Su nombre est asociado a un buen nmero de conceptos
relacionados con estas ciencias: ecuacin de Poisson, coeficiente de
Poisson, ley de Poisson, parntesis de Poisson, distribucin de Poisson,
integral de Poisson.
2. GRFICO Y FUNCIN DE DENSIDAD:
Es una distribucin de probabilidad continua con un parmetro cuya
funcin de densidad es:
4. SU FUNCIN DE DISTRIBUCIN ACUMULADA ES:
5. EJERCICIOS:
EJERCICIO 1: La distribucin de probabilidad del tiempo que transcurre
antes de que falle el
ventilador de un motor disel se describe
mediante una funcin exponencial con una tasa de fallo igual a 34.8
fallos por un milln de horas. Si la garanta es de 8000 horas. Cul es
la probabilidad de que el ventilador falle?
S o l u c i n:
Fx (8000) = 1 -
e x
=1-
e (34.810
)8000
= 0. 24 24%
Interpretacin: La probabilidad de que un ventilador falle; si este
cuenta con una garanta de 8000 horas es de 24%
EJERCICIO 2: La variable X representa el tiempo en horas que una
persona tarda en realizar determinado trabajo y sigue una
distribucin exponencial con parmetro =2.
a) Cul es el tiempo medio en que se espera que se realice dicho
trabajo?
b) Cul es la probabilidad de que lo realice en menos de 30
minutos? , En ms de 1 hora?
S o l u c i n:
a)
Valor esperado:
E[X] =
E[X] =
1
=0.5 horas
2
Interpretacin: El tiempo medio que se espera para realizar dicho
trabajo es de 0.5 horas
b)
P(x<0.5) = F(0.5) = 1 -
e x
= 1 -
(2) 0 . 5
= 1 0.7788 = 0.
2212 22.12%
Interpretacin: La probabilidad de que una persona realice el
trabajo en menos de 30 minutos es de 22.12%
