DISTRIBUCIÓN EXPONENCIAL
- QUIEN O QUIENES LO FORMULARON, TEORÍA
La distribución exponencial se encuentra dentro de la familia de distribuciones gamma (Tipo III)
discutido por Karl Pearson en 1985, tres décadas y media después es cuando la distribución
exponencial aparece por sí misma en la literatura estadística. Kondo (1931) se refirió a la
distribución exponencial mientras discutía la distribución muestral de la desviación estándar,
como la distribución de Pearson Tipo X. Se han demostrado aplicaciones de la distribución
exponencial en problemas actuariales, de biología y de ingeniería por Steffensen (1930), Teissier
(1934) y Weibull (1939) entre otros.
W. Weibull, en un documento pionero en 1951, consideró una extensión de la distribución
exponencial que ahora se conoce como las distribuciones de Weibull.
D.J. Davis (1952) discutió el análisis de datos de fallas usando la distribución exponencial y
comparó el análisis con el basado en la distribución normal.
D.J. Davis (1952) discutió el análisis de datos de fallas usando la distribución exponencial y
comparó el análisis con el basado en la distribución normal.
El trabajo actual sobre caracterizaciones de la distribución exponencial parece haberse originado a
raíz de trabajos de matemáticos Europeos como Rényi (1956), quien caracterizó la exponencial a
través de procesos de Poisson y procesos de renovación; Fisz (1958), quien la caracterizó a través
de estadísticos de orden; y Rossberg (1960), por el rango y las razones de los estadísticos de orden.
Por su parte, Ghurye (1960) y Teicher (1961) derivaron caracterizaciones de la distribución
exponencial que son modificaciones de las características de la distribución normal mediante la
distribución de las estadísticos de tipo t y la propiedad de máxima verosimilitud. Desde entonces,
los resultados de la distribución exponencial han gozado de gran prominencia, como se desprende
claramente de la monografía de Galambos y Kotz (1978) y el volumen de Rao y Shanbhag (1994),
entre otros.
Feller (1996), al analizar diversas propiedades de la distribución exponencial, también destaco
algunas aplicaciones.
La distribucion exponencial es el equivalente continuo de la distribucion geomotrica discreta. Esta
ley de distribucion describe procesos en los que:
Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que, el
tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra en un
instante tf, no depende del tiempo transcurrido anteriormente en el que no ha pasado
nada.
FORMULACIÓN:
En estadística la distribución exponencial es una distribución de probabilidad continua con un
parámetro lambda mayor que 0 cuya función de densidad es:
Su función de distribución acumulativa es:
Donde e representa el número e.
De forma adicional esta distribución presenta una función adicional que es función Supervivencia
(S), que representa el complemento de Función de distribución.
El valor esperado y la varianza de una variable aleatoria X con distribución exponencial son:
GRAFICOS:
FUNCIÓN DE DENSIDAD DE PROVABILIDAD
FUNCIÓN DE DISTRIBUCIÓN PROBABILÍSTICA
ACTIVIDADES EMPRESARIALES DONDE SE UTILIZA LA DISTRIBUCIÓN EXPONENCIAL
- En el sector financiero, específicamente en el control de las colas de atención
- De la misma forma en el sector de consumo masivo como supermercados o tiendas de
ventas son contextos donde se pueden aplicar este tipo de distribuciones
EJERCICIOS
Suponga que en una estación con un solo servidor llegan en promedio 45 clientes por hora, Se
tiene capacidad para atender en promedio a 60 clientes por hora. Se sabe que los clientes esperan
en promedio 3 minutos en la cola. Se solicita: a) Tiempo promedio que un cliente pasa en el
sistema. b) Número promedio de clientes en la cola. c) Número promedio de clientes en el Sistema
en un momento dado.
Solución: Se conoce la siguiente información:
λ= 45 clientes/hora (media de llegada de los clientes)= 45/60 clientes/minutos
µ= 60 clientes/hora (media de servicio a los clientes) = 60/60 clientes/minutos
Wq = 3 minutos (tiempo promedio de espera de un cliente en la cola)
a) Para calcular el tiempo promedio que un cliente pasa en el Sistema (Ws). Lo podemos
calcular a partir de Wq y µ.
𝑾𝒔 = 𝑾𝒒 + 𝟏 𝝁 = 3 minutos + 𝟏 𝟏 = 𝟑 + 𝟏 = 𝟒 𝒎𝒊𝒏𝒖𝒕𝒐s
b) Para calcular el número de clientes en la cola (Lq), usaremos la fórmula siguiente: Lq= λ
Wq.
𝐿𝑞 = 𝜆 ∗ 𝑊𝑞=0.75 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑚𝑖𝑛𝑢𝑡𝑜𝑠* 3 minutos = 2.25 clientes.
Es decir los cálculos nos muestran que en la cola puede haber más de dos clientes en la
cola.
c) Para calcular cual es el número de clientes en la cola (Ls). Lo podemos hacer con la
fórmula: Ls= λ Ws.
𝐿𝑆 = 𝜆 ∗ 𝑊𝑆 = 0.75 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 ∗ 4 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 = 3 𝑐𝑙𝑖𝑒𝑛𝑡𝑒s
Es decir en promedio hay tres clientes en el sistema, como se nos ha dicho que solo hay un
servidor, sabemos que solo un cliente puede estar en servicio, por lo que los demás deben
estar en la cola. Esto indica que hay dos clientes en espera.
Suponga un restaurante de comidas rápidas al cual llegan en promedio 100 clientes por hora. Se
tiene capacidad para atender en promedio a 150 clientes por hora Se sabe que los clientes
esperan en promedio 2 minutos en la cola Calcule las medidas de desempeño del sistema
a) ¿Cuál es la probabilidad que el sistema este ocioso?
b) ¿Cuál es la probabilidad que un cliente llegue y tenga que esperar, porque el sistema está
ocupado?
c) ¿Cuál es el número promedio de clientes en la cola?
d) ¿Cuál es la probabilidad que hayan 10 clientes en la cola?
Solución: Se conoce la siguiente información:
λ= 100 clientes/hora (media de llegada de los clientes)= 100/60 clientes/minutos
µ= 150 clientes/hora (media de servicio a los clientes) = 150/60 clientes/minutos
Wq = 2 minutos (tiempo promedio de espera de un cliente en la cola)
a) Para conocer cuál es la probabilidad de que el sistema este ocioso, primero conoceremos,
cual es la probabilidad que esté ocupado o factor de utilización del sistema.
𝜌 = 𝜆 𝜇 = 100 𝑐𝑙𝑖𝑒𝑛𝑡𝑒/ℎ𝑜𝑟𝑎 150 𝑐𝑙𝑖𝑒𝑛𝑡𝑒/ℎ𝑜𝑟𝑎 = 0.66 = 66.7% este porcentaje representa
tiempo que el sistema está ocupado. Es decir (1- ρ) representa el tiempo ocioso del sistema,
es decir 1- 0.667= 0.333 = 33.3% el sistema permanece ocioso.
b) La probabilidad que un cliente llegue y tenga que esperar es suponer que estará como primer
cliente en la cola. Usaremos la fórmula:
𝑃𝑛 = (1 − 𝜆 𝜇 ) ( 𝜆 𝜇 ) 𝑛 Para nuestro caso n=1 y la formula se convierte en:
𝑃1 = (1 − 𝜆 𝜇 ) ( 𝜆 𝜇 ) 1 = (1 − 100 150 )( 100 150) 1 = (1 − 0.667)(0.667) = 0.222=22.2%
c) Ahora requerimos calcular el número de clientes en la línea de espera.
𝐿𝑞 = 𝜆 ∗ 𝑊𝑞=1.667 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑚𝑖𝑛𝑢𝑡𝑜𝑠* 2 minutos = 3.334 clientes.≈4 clientes en la cola.
Es decir existe la posibilidad de llegar a tener un promedio de 4 clientes en la línea de espera.
d) La probabilidad de que hayan 10 clientes en la cola, como hemos visto existe un promedio de
tener hasta 4 clientes en la cola que hayan más de 4 las probabilidades serán muy pequeñas,
para ese cálculo haremos uso de la fórmula que usamos en el inciso b de este mismo ejemplo.
𝑃10 = (1 − 𝜆 𝜇 ) ( 𝜆 𝜇 ) 10 = (1 − 100 150 )( 100 150) 10 = (1 − 0.667)(0.667) 10 = 0.0058=0.58%
(lo cual es casi cero).
Es decir es muy remoto o poco probable que pueda haber 10 clientes en la línea de espera
