UNIVERSIDAD PRIVADA ANTENOR ORREGO

FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL

DISTRIBUCIÓN EXPONENCIAL

Simulación análisis y diseño

DOCENTE:
 Ing. Terrones Romero, Julio
ALUMNA:
 Mestanza Deza, Yackelin
TRUJILLO - PERÚ
2017
1. HISTORIA DE LA DISTRIBUCIÓN EXPONENCIAL

El descubrimiento de esta distribución se debe a dos personas: Simeon

Dennis Poisson , matemático , físico y astrónomo Frances y Agner
Krarup Erlang. Físico matemático de la universidad de Copenhangue
, Dinamarca . En 1909 publico su primer trabajo sobre la “Teoría de
probabilidad y conversaciones telefónicas “ , que despertó un gran
interés entre los expertos en este campo . EN 1917 publico el que seria
su trabajo mas importante “Soluciones a problemas importantes de la
teoría de probabilidad aplicada a centrales automáticas de
conmutación telefónica”, Teoría de colas relacionadas con la
congestión y tiempos de espera

2. CARACTERISTICAS:

 La distribución exponencial es continua porque el tiempo entre

llegadas no tiene que ser un número entero. Esta distribución se
utiliza mucho para describir el tiempo entre eventos. Más
específicamente la variable aleatoria que representa al tiempo
necesario para servir a la llegada.
 Para la generación de números aleatorios, la distribución
exponencial describe la probabilidad de ocurrencia de un
evento en intervalos de tiempo
 La propiedad totalmente aleatoria de la exponencial se
conoce como olvido o falta de memoria. Dado que f(t) es la
distribución exponencial del tiempo t, entre eventos sucesivos
(llegadas), si S es el intervalo desde la ocurrencia del último
evento, entonces la propiedad de olvido .
 La definición de E(t) muestra que λ es la tasa por unidad de
tiempo a la cual se generan los eventos (llegadas o salidas).
La distribución exponencial describe un fenómeno totalmente
aleatorio.
Por ejemplo, si en este momento la hora es 8:20 A.M.y la última
llegada fue a las 8:02 A.M., la probabilidad de que la siguiente
llegada ocurra a las 8:29 es una función sólo del intervalo de
las 8:20 a las 8:29, y es totalmente independiente del tiempo
 que ha transcurrido desde la ocurrencia del último evento
(8:02 a 8:20).
Dado que f(t) es la distribución exponencial del tiempo T entre
eventos sucesivos (llegadas), si S es el intervalo desde la
ocurrencia del último evento.

SE UTILIZAN PARA DESCRIBIR :

 el tiempo que un médico dedica a una exploración
 El tiempo de servir una medicina en una farmacia
 El tiempo de atención de un banco
 El tiempo de vida de una maquina
 El tiempo antes que ocurra un fallo
 El tiempo de funcionamiento, ETC

Los tiempos aleatorios entre llegadas y de servicio se describen

cuantitativamente por medio de una distribución exponencial, la cual
se define como:

3. FUNCIÓN DE DENSIDAD :

4. DISTRIBUCIÓN ACUMULADA

5. MEDIA (ESPERANZA O VALOR ESPERADO):

6. VARIANZA:
 7. PARAMETROS:

8. RANGO:

Si igualamos la función acumulada F(x) con el número

pseudoaleatorio r/~ U (0 ,1), y despejamos x se obtiene:
Ejercicio 01:
Suponga que el tiempo que necesita un cajero de un banco para atender
a un cliente tiene una distribución exponencial con una media de 40
segundos.

a) Hallar la probabilidad que el tiempo necesario para atender un cliente

dado sea mayor que 20 minutos?
b) ¿Cuál es la probabilidad que el tiempo necesario para atender a un
cliente esté comprendido entre 1 y 2 minutos?
Solución:
𝐸 (𝑥 ) = 40 𝑠𝑒𝑔.
1 1
𝜆 = 𝐸(𝑥) =40

a) ¿Hallar la probabilidad que el tiempo necesario para atender

un cliente dado sea mayor que 2 minutos?

60𝑠𝑒𝑔.
2𝑚𝑖𝑛𝑥 = 120seg.
1𝑚𝑖𝑛
120
−
𝑃(𝑡 > 120) = 𝑒 40 0.04978 = 4.98%

Interpretación:

La probabilidad de que el tiempo necesario para atender a un cliente sea

mayor a 2 minutos os es 4. 98%
 b) ¿Cuál es la probabilidad que el tiempo necesario para atender a un
cliente esté comprendido entre 1 y 2 minutos?

𝑃(60 < 𝑡 < 120) = 𝑃(𝑡 < 120) − 𝑝(𝑡 < 60)
−120 −60
=1−𝑒 40 − (1 − 𝑒 40 )

−60 −120
𝑒 40 −𝑒 40

= 0.1733 =17.33%

Interpretación:

La probabilidad de que el tiempo necesario para atender a un cliente

este comprendido entre 1 y 2 minutos es de 17. 33 %

Ejercicio 02:
Una fábrica de llantas para automóviles garantiza que duran 2 años en
promedio, si el desgaste de estas llantas sigue la distribución exponencial.
¿Cuál es la probabilidad de que una llanta dure menos de 4 años?

Datos:
𝐸 (𝑥 ) = 2.
1 1
𝜆 = 𝐸(𝑥) =2

Solución:
4
−
𝑃(𝑡 < 4) = 1 − 𝑒 2 = 0.8647 = 86.47%
Interpretación:
La probabilidad de que una llanta dure menos de 4 años es del 86.47%
 Ejercicios 03:
Una lavadora MABE tiene una vida media de 10 años. Si la vida útil de ese
motor puede considerarse como una variable aleatoria distribuida en forma
exponencial. ¿Cuál debe ser el tiempo de garantía que deben tener dichas
lavadoras si desea que a los más 20 % de estas fallen antes de que expire su
garantía?
1
−
𝑃(𝑡 < 𝑇) = 1 − 𝑒 𝜆

T= Tiempo de garantía de la lavadora. Para que una lavadora sea

reparada durante su tiempo de garantía. Es necesario que:
𝒕
−
(𝒕 < 𝑻) = 𝟏 − 𝒆 𝝀

𝑃(𝑥 < 𝑇) = 0.20

𝑡
−
𝑃(𝑡 < 𝑇) = 1 − 𝑒 𝜆

𝑡
0.20 =1-𝑒 −10
𝑡
−10
𝑒 = 1 − 0.20
𝑡
− = ln(0.80)
10
𝑡 = −10 ln(0.80)
𝑡 = 2.23 𝑚𝑖𝑛
Interpretación:
De acuerdo con el análisis realizado se puede decir que el tiempo de garantía que debe
tener dichas lavadoras si se desea reparar a lo más 20% de estas debe ser 2 .23 años (
apróx 27 meses )
 Ejercicios 04:
Una compañía de fabrica de focos para un fin determinado sabe que el
tiempo de vida de estos sigue una distribución exponencial con una vida
media de 7 años, la compañía quiere determinar un tiempo de garantía de
tal manera que no tenga que reemplazar mas del 10% de los focos.
Determine este tiempo de garantía, aproxime al mes más cercano

𝒙
0.10 =1-𝒆−𝟖𝟒
𝒙
𝒆−𝟖𝟒 = 𝟏 − 𝟎. 𝟏𝟎
𝒙
− = 𝒍𝒏(𝟎. 𝟗𝟎 )
𝟖𝟒
x= −𝟖𝟒 𝒍𝒏(𝟎. 𝟗𝟎)
x= 𝟖. 𝟖𝟓 𝒎𝒆𝒔𝒆𝒔 ≈ 9 meses

Interpretación:
De acuerdo con el análisis realizado se puede deducir que el tiempo mínimo
de garantía para que no tenga que reemplazar más del 10% de focos equivale
a aproximadamente 9 meses