La

Distribucin Exponencial
Como se acaba de observar, la distribucin de Poisson es una distribucin discreta que mide el nmero de ocurrencias sobre algn intervalo de tiempo o espacio. Describe por ejemplo, el nmero de clientes que pueden llegar durante algn perodo determinado. Por el contrario, la distribucin exponencial es una distribucin continua. Mide el paso del tiempo entre tales ocurrencias. Mientras que la distribucin de Poisson describe las tasas de llegada (de personas, camiones, llamadas telefnicas, etc.). dentro de algn perodo dado, la distribucin exponencial estima el lapso entre tales arribos. Si el nmero de ocurrencias tiene distribucin de Poisson, el lapso entre las ocurrencias estar distribuido exponencialmente. La probabilidad de que lapso sea menor que o igual a cierta cantidad ! es ! ! ! = 1 ! !!" en donde t es el lapso de tiempo e es la base del logaritmo natural 2.71828 ! es la tasa promedio de ocurrencia La distribucin de una variable aleatoria se muestra en la siguiente figura. La curva en continuo descenso muestra que con el paso del tiempo X aumenta, y la probabilidad disminuye.

/4

 La probabilidad de que pasen 30 minutos entre ocurrencias excede la probabilidad de que pasen 40 minutos: P(X 30) > P(X40). Esto se debe a que siempre deben pasar 30 minutos antes de que pasen 40. As como se tiene que ajustar la tasa promedio de llegada para ajustar la estipulacin de Poisson, es necesaria una correccin para la distribucin exponencial. Sin embargo, aqu es ms fcil ajustar el valor para el tiempo t en la frmula para ajustar el marco de tiempo estipulado en el problema. Se asume que la tasa promedio de llegada de los clientes es ! =1.5 por hora y se desea saber la probabilidad de que no ms de dos horas transcurran entre llegadas, sustituyendo en la frmula, t es 2. Entonces P(X2) = 1-e-1.5(2) = 1 e-3. La solucin puede hallarse en la mayora de las calculadoras manuales como e-3 = 1/e3 0.0498. La probabilidad de que no ms de dos horas transcurran entre la llegada de los clientes es 1 - 0.0498 = 0.9592, es decir que existe 95.02% de probabilidad de que el segundo cliente ingrese a las
/4

dos horas o menos del primero si la tasa promedio de llegada es 1.5 por hora. Los camiones llegan al puerto de carga a una tasa de = 2 por hora, cul es la probabilidad de que no ms de 30 minutos transcurran entre llegadas? La tasa promedio de llegada est dada por hora, o 60 minutos, y el problema se plantea en minutos (30 de ellos). Se debe hallar qu porcentaje de 60 minutos son 30. As t=30/60=1/2. Entonces, P(X 30) = 1 - e-2(1/2) = 1 e-1, utilizando la calculadora se obtiene P(X 30) = 1 - e-2(1/2) = 1 e-1 = 0.632121.
/4

Bibliography
Webster, A. L. (2000). Estadstica aplicada a los negocios y la economa. (L. S. Arvalo, Ed.) Bogot, Colombia: McGraw-Hill.

/4