Distribución DE Probabilidad Exponencial Negativa PDF

Preview

Summary

examen...

Description

DISTRIBUCIÓN DE PROBABILIDAD EXPONENCIAL NEGATIVA.

A pesar de que la distribución Normal puede utilizarse para resolver muchos problemas en ingeniería y ciencias, existen aún numerosas situaciones que requieren diferentes tipos de funciones de densidad, tales como la exponencial y la gamma y algunas otras como la weibull, etc., etc., de momento solo trataremos sobre el uso de la exponencial. Resulta que la exponencial es un caso especial de la distribución gamma, ambas tienen un gran número de aplicaciones. Las distribuciones exponencial y gamma juegan un papel importante tanto en teoría de colas como en problemas de confiabilidad. El tiempo entre las llegadas en las instalaciones de servicio y el tiempo de falla de los componentes y sistemas eléctricos, frecuentemente involucran la distribución exponencial. La relación entre la gamma y la exponencial permite que la distribución gamma se utilice en tipos similares de problemas. La variable aleatoria x tiene una distribución exponencial, con parámetro , si su función de densidad es:

donde   0 La media y la variancia de la distribución exponencial son: 

y

 2  2

Relación con el proceso de Poisson. Las aplicaciones más importantes de la distribución exponencial son aquellas situaciones en donde se aplica el proceso de Poisson, es necesario recordar que un proceso de Poisson permite el uso de la distribución de Poisson. Recuérdese también que la distribución de Poisson se utiliza para calcular la probabilidad de números específicos de “eventos” durante un período o espacio particular. En muchas aplicaciones, el período o la cantidad de espacio es la variable aleatoria. Por ejemplo, un ingeniero industrial puede interesarse en el tiempo T entre llegadas en una

intersección congestionada durante la hora de salida de trabajo en una gran ciudad. Una llegada representa el evento de Poisson. La relación entre la distribución exponencial (con frecuencia llamada exponencial negativa) y el proceso llamado de Poisson es bastante simple. La distribución de Poisson se desarrolló como una distribución de un solo parámetro , donde  puede interpretarse como el número promedio de eventos por unidad de “tiempo”. Considérese ahora la variable aleatoria descrita por el tiempo que se requiere para que ocurra el primer evento. Mediante la distribución de Poisson, se encuentra que la probabilidad de que no ocurran en el espacio hasta el tiempo t está dada por:

Ahora puede utilizarse lo anterior y hacer que X sea el tiempo para el primer evento de Poisson. La probabilidad de que el período hasta que ocurre el primer evento de Poisson exceda x es la misma que la probabilidad de que no ocurra un evento de Poisson en x. Esto último por supuesto está dado por

. Como resultado, P (X  x) =

Entonces, la función de distribución acumulada para x es: P (0 X  x) = 1 Ahora, con objeto de que se reconozca la presencia de la distribución exponencial, puede derivarse la distribución acumulada anterior para obtener la función de densidad: f(x) =

La cual es la función de densidad de la distribución exponencial con Nótese que la media de la distribución exponencial es el parámetro

. , el recíproco del parámetro

en la distribución de Poisson. El lector debe recordar que con frecuencia se dice que la distribución de Poisson no tiene memoria, lo cual implica que las ocurrencias en períodos de tiempo sucesivos son independientes. Aquí el parámetro importante

es el tiempo promedio

entre eventos. En teoría de la confiabilidad, donde la falla de un equipo concuerda con el proceso de Poisson,

recibe el nombre de tiempo promedio entre fallas. Muchas descomposturas de

equipo siguen el proceso de Poisson, y entonces la distribución exponencial es aplicable. Media y varianza de la distribución exponencial....