72

Distribución Exponencial
Sea X una v.a continua. Diremos que X tiene una distribución Exponencial,
si la p.d.f. para X es de la forma

λ e −λ x , x > 0
f (x) = .
0 , otro caso

Por notación se escribe X ∼ Exp (λ).

Teorema
Si X ∼ Exp (λ), entonces:

1 1
E [X] = y Var [X] = .
λ λ2
La c.d.f. de X es

1 − e −λ x , x ≥ 0
F (x) = .
0 , x<0

1
Fig. 13: Distribución exponencial para λ = 2

Ejemplo
Sea X el tiempo entre las detecciones de una partı́cula rara por un
contador Geiger; Supóngase que éste tiempo tiene una distribución ex-
ponencial con un tiempo medio de 1.4 minutos. ¿Cuál es la probabilidad
de detectar una partı́cula durante el lapso de 30 segundos desde que se
 73

enciende el contador?

Solución
1 1
Como E[X] = = 1.4, entonces λ = 1.4
λ
. De esta manera la p.d.f. de
x
1 − ( 1.4 )
X está dada por: f (x) = 1.4 exp , x > 0 . Se pide calcular:

⎛ ⎞

0.5 x  −⎝
0.5
⎠
1 −
P (X < 0.5) = exp 1.4 dx = 1 − exp 1.4 = 0.300327 .
1.4
0

O usando la c.d.f. de X:

⎛ ⎞
0.5
−⎝ ⎠
P (X < 0.5) = P (X ≤ 0.5) = F (0.5) = 1 − exp 1.4 = 0.300327 .

Suponga que transcurren 3 minutos sin que el contador detecte partı́cu-

la alguna. ¿Cuál es la probabilidad de detectar una partı́cula en los 30
segundos siguientes?
74

P (3 < X < 3.5)

P (X < 3.5|X > 3.0) =
P (X > 3)

−x 

3.5
1
−
exp 1.4
1.4
3
= 
−x 

+∞
1
−
exp 1.4
1.4
3
⎛ 3.5 ⎞ ⎛
⎞ ⎛ ⎛
3 ⎞
⎞

−⎝ ⎠ −⎝ ⎠
⎜ 1.4 ⎟ ⎜ 1.4 ⎟
⎝1 − exp ⎠ − ⎝1 − exp ⎠

= ⎛ ⎞
3
−⎝ ⎠
exp 1.4
⎛ ⎞
3.5
−⎝ ⎠
exp 1.4
= 1− ⎛ ⎞
3
−⎝ ⎠
exp 1.4
⎛ ⎞
0.5
−⎝ ⎠
= 1 − exp 1.4 = 0.300327 .

Relación entre la distribución exponencial y el proceso de

Poisson
Suponga que el número de eventos que ocurren en un intervalo de tiem-
po de longitud t, tiene una distribución de Poisson con parámetro α
y que el número de ocurrencias en intervalos que no se translapan son
independientes entre sı́. Entonces, la distribución del tiempo transcu-
rrido entre la presentación de 2 eventos sucesivos es exponencial con
parámetro λ = α. en otras palabras, Suponga que X ∼ p(λ) donde
λ es el número promedio de ocurrencias por unidad de tiempo. Sea T
la variable aleatoria que representa el tiempo entre ocurrencias de este
proceso Poisson. Entonces T ∼ Exp(λ).
Prueba
 75

Para mostrar este resultado, se hallará la c.d.f de T , es decir, se cal-

culará F (t) = P (T ≤ t). Por facilidad se calculará primero P (T > t).
Para ello se define la variable aleatoria Y : número de ocurrencias en
un intervalo de longitud t. Entonces Y ∼ p(λ∗ ). En este caso λ∗ = λ t.
Ası́, Y ∼ p(λ t). De esta manera,

F (t) = 1 − P (T > t) = 1 − P (Y = 0) = 1 − exp −λ t .

La cual corresponde a la acumulada de una exponencial con parámetro

λ, que es lo que se querı́a probar.

Propiedad de carencia de memoria

Suponga que X es una variable aleatoria tal que X ∼ Exp(λ). Sean
t1 y t2 reales positivos. Entonces:

P (X < t1 + t2 | X ≥ t1 ) = P (X < t2 ) .

En la figura 14 se ilustra esta propiedad.

Fig. 14: Carencia de memoria en la Distribución exponencial

Ejemplo
El tiempo entre arribos de los taxis a un cruce muy concurrido tiene
una distribución exponencial con media 10 minutos.

a) ¿Cuál es la probabilidad de que una persona que esté en el cruce

tenga que esperar mas de una hora por un taxi?
76

b) Suponga que una persona ya esperó una hora, ¿Cuál es la proba-

bilidad de que llegue un taxi en los siguientes 10 minutos?
c) ¿Cuál es la probabilidad de que lleguen 2 taxis en una hora?

Solución

a) X: el tiempo transcurrido en minutos entre la llegada de 2 taxis.

Ası́, X ∼ Exp(0.1)

60
 
P (X > 60) = 1 − 0.1 exp−0.1 x dx = 1 − exp−0.1 x |60
0
0

P (X > 60) = 1 − (exp−6 +1) = exp−6 ≈ 0.0025 .

b)
10
P (X ≤ 70 | X ≥ 60) = P (X ≤ 10) = 0.1 exp−0.1 x dx
0

 
P (X ≤ 70 | X ≥ 60) = 1 − exp−0.1 x |10
0 = 0.6321 .

c) Sea Y : el # de taxis que llegan en 1 hora . Y ∼ p (λ) λ = 6

Y ∼ P oisson(6)

exp−6 62
P (Y = 2) = ≈ 0.04461 .
2!
Ejemplo
El tiempo que transcurre entre las llamadas que recibe una oficina tiene
una distribución exponencial con una media de 10 minutos.

a) ¿Cuál es la probabilidad de recibir más de tres llamadas en un

lapso de media hora?
b) Determine el valor de x de modo tal que la probabilidad de no
recibir llamada alguna en el intervalo [0, x] horas sea 0.01

Solución
 77

a) Sea X: Tiempo entre llamadas. E [X] = 10 minutos.

Sea Y : número de llamadas que llegan en 30 minutos. y = 0, 1, 2,.
Ası́, Y ∼ p(λ∗ ) , con λ∗ : número promedio de llamadas en 30
minutos. Como el tiempo promedio para recibir una llamada es
10 min, se tiene que se recibe una llamada en promedio cada 10
min. Ası́:
10 minuto −→ 1
.
30 minutos −→ λ∗ =? ⇒ λ∗ = 3

Es decir, Y ∼ p(3) . Luego,

3
e−3 3y
P (Y > 3) = 1 − P (Y ≤ 3) = 1 − = 1 − 0.647 = 0.353 .
y=0
y!

b) Sea Y : número de llamadas que llegan en x horas. Y ∼ p(λ2 ).

10 minuto −→ 1
.
60 x minutos −→ λ2 =? ⇒ λ2 = 6 x

Ası́, Y ∼ p(6 x). Finalmente

(6x)0 e−6x
P (Y = 0) = 0.01 ⇔ = 0.01
0!

⇔ −6x = ln(0.01)

ln(0.01)
⇔ x= = 0.7675 ,
−6
aproximadamente 46.05 min.
78

Ejemplo El tiempo de duración de un chip para computadora es una

v.a exponencial con media de 20000 horas. Dado que el chip ya fun-
cionó adecuadamente durante 15000 horas ¿Cuál es la probabilidad de
que dure 1000 horas más?
Solución

Sea X : vida útil del chip.

1
Se sabe que X ∼ Exp( 20000 ). Entonces
⎧ 1 x
⎨ 20000
e− 20000 , x≥0
f (x) = .
⎩
0 En otro caso

Se pide,
P (X > 15000 + 1000|X > 15000) .
Como una v.a exponencial tiene la propiedad de falta de memoria, la
probabilidad pedida es equivalente a calcular,
 +∞
1 x
P (X > 1000) = e− 20000 dx
1000 20000

= 0.9512

Distribución Lognormal
Una variable aleatoria X, no negativa, tiene una p.d.f
Lognormal si Y = ln (X) es una v.a con p.d.f normal. Haciendo μ =
E [Y ] y σ 2 = V ar [Y ], la p.d.f de X es de la forma

1 (ln x − μ) 2
1 −
f (x) = √ e 2 σ2 ; x>0.
2π x σ

μ y σ 2 NO son la media y varianza de X. Son la media y varianza de

ln(X). Se puede demostrar que:
2  2 
μ+ σ2 2μ+σ 2 σ
E [X] = e y V ar [X] = e ∗ e − 1 .
 79

El célculo de probabilidades con una p.d.f Lognormal es algo com-

plicado. Pero debido al hecho de que el logaritmo natural de un v.a
Lognormal es una v.a normal, podemos usar las tablas para una nor-
mal esténdar para calcular dichas probabilidades. Como ln(X) es una
función estrictamente creciente, entonces
 
ln X − μ ln a − μ
P (X ≤ a) = P (ln X ≤ ln a) = P ≤
   σ  σ
ln a − μ ln a − μ
=P Z≤ =Φ
σ σ
Ası́, la c.d.f de X es de la forma
 
ln x − μ
F (x) = P (X ≤ x) = Φ ; ∀x > 0 .
σ

Ejemplo
El articulo ”The statistics of phytotoxic air pollutants”(Journal Royal
Stat Soc., 1989, pp.183-198) sugiere que la concentración de SO 2 sobre
cierto bosque tiene un distribución aproximadamente Lognormal con
μ = 1.9 y σ = 0.9.

a) Si X: es la concentración de SO 2 en este bosque. Calcule la con-

centración media de SO 2 y la desviación esténdar para X?
b) ¿Cuál es la probabilidad de que la concentración de SO 2 sea a lo
sumo 10? ¿Esté entre 5 y 10?
c) Calcule la mediana para X.

Solución

a)
σ2 0.92
E [X] = e μ + 2 = e 1.9 + 2 = e 2.305 = 10.024 .
2
 2  2
 2

V ar [X] = e 2μ + σ ∗ e σ − 1 = e 2 (1.9)+ 0.9 ∗ e 0.9 − 1 = 125.395 .

b)
 
ln x − μ ln 10 − 1.9
P (X ≤ 10) = P (ln X ≤ ln 10) = P ≤
σ 0.9
80

P (X ≤ 10) = P (Z ≤ 0.45) = 0.6736

 
ln 5 − 1.9 ln 10 − 1.9
P (5 < X < 10) = P ≤Z≤
0.9 0.9
= P(−0.32 ≤ Z ≤ 0.45) = Φ (0.45) − Φ (−0.32) = 0.2991 .

c) Hallemos el valor de x̃ tal que P (X ≤ x̃) = 0.5.

P (X ≤ x̃) = 0.5 ⇔ P (ln X ≤ ln x̃) = 0.5

 
ln x − μ ln x̃ − 1.9
⇔P ≤ = 0.5 ⇔ P (Z ≤ z) = 0.5 ,
σ 0.9
ln x̃ − 1.9
donde z = . Ası́, z = 0, con lo que se obtiene ln(x̃) = 1.9, lo
0.9
que equivale a que x̃ = e1.9 = 6.686 .

En general, para una variable aleatoria Lognormal, con parámetros μ y σ 2 ,

el percentil 100p, denotado xp , se calcula como:

x p = e μ + σ zp ; donde zp es tal que P (Z > zp ) = p , Z ∼ n(0, 1) .

Ejercicios propuestos

1. Suponga que X tiene una distribución normal con media 10 y desviación

estándar 2. Calcule lo siguiente:
a) P (X < 13)
b) P (X > 9)
c) P (6 < X < 14)
d) P (2 < X < 4)
e) P (−2 < X < 8)
2. Suponga que X tiene una distribución normal con media 5 y desviación
estándar 4. Obtenga el valor de x que resuelve cada una de las siguientes
probabilidades:
a) P (X > x) = 0.5
b) P (X > x) = 0.95
c) P (x < X > 9) = 0.2
 81

d) P (3 < X > x) = 0.95

e) P (−x < X < x) = 0.99
3. La resistencia a la compresión de una serie de muestras de cemento pue-
de modelarse con una distribución normal con media 6000 kilogramos
por centı́metro cuadrado, y una desviación estándar de 100 kilogramos
por centı́metro cuadrado.
a) ¿cuál es la probabilidad de que la resistencia de una muestra sea
menor que 6250 kg/cm 2 ?
b) ¿cuál es la probabilidad de que la resistencia de una muestra se
encuentre entre 5800 y 5900 kg/cm 2 ?
c) ¿cuál es el valor de resistencia que excede el 95 % de las muestras?
4. El volumen de una méquina de llenado automético deposita en latas de
una bebida gaseosa tiene una distribución normal con media 12.4 onzas
de lı́quido y desviación estándar de 0.1 onzas de lı́quido.
a) ¿cuál es la probabilidad de que el volumen depositado sea menor
que 12 onzas de lı́quido?
b) Si se desechan todas las latas que tienen menos de 12.1 o más de
12.6 onzas de lı́quido, ¿cuál es la proporción de latas desechadas?
c) Calcule especificaciones que sean simétricas alrededor de la media,
de modo que se incluya al 99 % de todas las latas.
5. La media de la operación de llenado puede ajustarse con facilidad, pe-
ro la desviación estándar sigue teniendo el mismo valor, 0.1 onzas de
lı́quido.
a) ¿Qué valor debe darse al media para que el 99.9 % de todas las latas
contengan más de 12 onzas de lı́quido?
b) ¿Qué valor debe darse al media para que el 99.9 % de todas las
latas contengan más de 12 onzas de lı́quido si la desviación estándar
puede reducirse a 0.05 onzas de lı́quido?
6. La longitud de un estuche moldeado por inyección para una cinta magnéti-
ca tiene una distribución normal con una media de 90.2 milı́metros y
desviación estándar de 0.1 milı́metros.
a) ¿cuál es la probabilidad de que la longitud de una pieza sea mayor
que 90.3 milı́metros o menor que 89.7 milı́metros?
b) ¿A que valor debe ajustarse la media del proceso para que el mayor
némero de partes tenga una longitud entre 89.7 y 90.3 milı́metros?
82

c) Si se desechan los estuches cuya longitud no esté entre 89.7 y 90.3

milı́metros, ¿cuál es el rendimiento del proceso para el valor de la
media determinado en el inciso b)?
7. Suponga que el proceso se ajusta de modo que la media y la desviación
estándar queden en 90 y 0.1 milı́metros, respectivamente. Suponga que
se mide la longitud de 10 estuches y que las mediciones son indepen-
dientes.
a) ¿cuál es la probabilidad de que la longitud de los 10 estuches esté en-
tre 89.7 y 90.3 milı́metros?
b) ¿cuál es el numero esperado de los 10 estuches cuya longitud esté en-
tre 89.7 y 90.3?
8. El tiempo que transcurre entre las llamadas a una empresa de artı́culos
para plomerı́a tiene una distribución exponencial con un tiempo prome-
dio entre llamadas de 15 minutos.
a) ¿cuál es la probabilidad de que no haya llamadas en un lapso de 30
minutos?
b) ¿cuál es la probabilidad de recibir al menos una llamada en un
intervalo de 10 minutos?
c) ¿cuál es la probabilidad de recibir la primera llamada entre cinco y
10 minutos después de haber abierto la empresa?
d) Calcule la dimensión de un intervalo de tiempo, de modo tal que la
probabilidad de recibir al menos una llamada en ese lapso sea 0.90.
9. El tiempo de vida de los reguladores de voltaje de los automóviles tiene
una distribución exponencial con un tiempo de vida medio de seis años.
Una persona compra un automóvil que tiene una antigüedad de seis
años, con un regulador en funcionamiento, y planea tenerlo por espacio
de seis años.
a) ¿cuál es la probabilidad de que el regulador de voltaje falle en ese
lapso de seis años?
b) Si el regulador falla después de tres años de haber efectuado la
compra del automóvil y se reemplaza, ¿cuál es el tiempo promedio
que transcurriré hasta que el regulador vuelva a fallar?
10. El tiempo entre llegadas de mensajes electrónicos a una computadora
tiene una distribución exponencial con media de dos horas.
 83

a) ¿cuál es la probabilidad de que la computadora no reciba mensajes

en un periodo de dos horas?
b) Si la computadora no ha recibido ningén mensaje en las éltimas
cuatro horas, ¿cuál es la probabilidad de recibir un mensaje en las
dos horas siguientes?
c) ¿cuál es el tiempo esperado entre el quinto y el sexto mensaje?
11. El tiempo entre arribos de los taxis a un cruce muy concurrido tiene
una distribución exponencial con media de 10 minutos.
a) ¿cuál es la probabilidad de que una persona que esté en el cruce
tenga que esperar más de una hora para tomar un taxi?
b) Suponga que la persona ya esperó una hora; ¿cuál es la probabilidad
de que llegue uno en los siguientes 10 minutos?
c) Determine x, de modo tal que la probabilidad de que la persona
espere más de x minutos para tomar un taxi sea 0.10.
d) Calcule x, de modo tal que la probabilidad de que la persona tenga
que esperar menos de x minutos para tomar un taxi sea 0.90.
e) Determine x, de modo que la probabilidad de que la persona tenga
que esperar menos de x minutos para tomar un taxi sea 0.50.
12. El tiempo de duración de un ensamble mecénico en una prueba de vi-
bración tiene una distribución exponencial con media de 400 horas.
a) ¿cuál es la probabilidad de que el ensamble falle durante la prueba
en menos de 100 horas?
b) ¿cuál es la probabilidad de que el ensamble trabaje durante más de
500 horas antes de que falle?
c) Si el ensamble se ha probado durante 400 horas sin falla alguna,
¿cuál es la probabilidad de que falle en las siguientes 100 horas?
d) Si se prueban 10 ensambles, ¿cuál es la probabilidad de que falle
al menos uno de ellos en menos que 100 horas? Suponga que los
ensambles fallan de manera independiente.
e) Si se prueban 10 ensambles, ¿cuál es la probabilidad de que todos
hayan fallado después de 800 horas? Suponga que los ensambles
fallan de manera independiente.
13. El tiempo entre las llegadas de avionetas a un aeropuerto tiene una
distribución exponencial con una media de 1 hora.
84

a) ¿cuál es la probabilidad aterricen más de tres avionetas en una

hora?
b) Si se escogen 30 intervalos de una hora, ¿cuál es la probabilidad de
que en ninguno de ellos hayan aterrizado más de tres avionetas?
c) Determine la duración de un intervalo (en horas), de modo tal que
la probabilidad de que no aterrice ninguna avioneta en ese tiempo
sea 0.10.
14. Si la variable aleatoria X tiene una distribución exponencial con media
θ, calcule lo siguiente:
a) P (X > θ)
b) P (X > 2θ)
c) P (X > 3θ)