DISTRIBUCIN EXPONENCIAL 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 de la distribucin exponencial , que ms tarde aparecer , y el parmetro de intensidad del proceso , esta relacin es = 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 con 0, si y slo si su funcin de densidad tiene la expresin: Diremos entonces que

Grficamente como ejemplo planteamos el modelo con parmetro =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 =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 + 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+ t] :

Y a la tasa media de fallo en un intervalo infinitsimo es decir, al lmite de la tasa media de fallo cuando 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 diferencial entre 0 y x :

integrando esta ecuacin

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.