Calculadora de distribución exponencial

¿Qué es la distribución exponencial?

La distribución exponencial modela el tiempo entre eventos en un proceso de Poisson—un proceso donde los eventos ocurren continua e independientemente a una tasa promedio constante. Es el análogo continuo de la distribución geométrica y se usa ampliamente en ingeniería de confiabilidad, teoría de colas y análisis de supervivencia.

Si los eventos ocurren a una tasa promedio de $\lambda$ por unidad de tiempo, el tiempo hasta el próximo evento sigue una distribución exponencial con parámetro $\lambda$.

La distribución

Función de densidad de probabilidad (PDF)

$f(x; \lambda) = \lambda e^{-\lambda x} \quad \text{para } x \geq 0$

Función de distribución acumulada (CDF)

$F(x; \lambda) = 1 - e^{-\lambda x} \quad \text{para } x \geq 0$

Parámetros clave

La distribución exponencial tiene un solo parámetro $\lambda$ (lambda), el parámetro de tasa:

• Media: $E[X] = \frac{1}{\lambda}$
• Varianza: $Var(X) = \frac{1}{\lambda^2}$
• Desviación estándar: $\sigma = \frac{1}{\lambda}$

Nota: Algunas formulaciones usan $\beta = 1/\lambda$ (tiempo medio entre eventos) como parámetro en su lugar.

La propiedad de falta de memoria

La propiedad más notable de la distribución exponencial es la falta de memoria:

$P(X > s + t \mid X > s) = P(X > t)$

En palabras: dado que ya has esperado tiempo $s$, la probabilidad de esperar un tiempo adicional $t$ es la misma que si acabaras de empezar a esperar. El proceso no tiene "memoria" de cuánto tiempo has estado esperando.

Implicación práctica: Si la bombilla promedio dura 1000 horas y la tuya ya ha durado 800 horas, no está "próxima" a fallar—la vida restante esperada sigue siendo 1000 horas.

Esta propiedad es única: la distribución exponencial es la única distribución continua con esta propiedad (la distribución geométrica la tiene para variables discretas).

Aplicaciones prácticas

Ingeniería de confiabilidad

El tiempo hasta la falla de componentes a menudo sigue una distribución exponencial durante la vida útil del componente (después de las fallas iniciales, antes del desgaste).

Ejemplo: Si los discos duros fallan a una tasa de 0,02 por año ($\lambda = 0,02$), la probabilidad de que un disco sobreviva 3 años es: $P(X > 3) = e^{-0,02 \times 3} = e^{-0,06} \approx 0,942$

Teoría de colas

El tiempo entre llegadas de clientes, tiempos de servicio y tiempos entre llegadas a menudo se modelan como exponenciales. Esto subyace a los modelos M/M/1 y otros modelos de colas.

Decaimiento radioactivo

El tiempo hasta que un átomo individual decae está distribuido exponencialmente. La constante de decaimiento se relaciona directamente con la vida media.

Llamadas telefónicas

El tiempo entre llamadas entrantes a un centro de llamadas sigue una distribución exponencial si las llamadas llegan según un proceso de Poisson.

Análisis de supervivencia

En investigación médica, el tiempo hasta un evento (muerte, recaída, recuperación) a menudo se modela usando distribuciones exponenciales o relacionadas.

Conexión con otras distribuciones

Distribución de Poisson

Si los eventos ocurren según un proceso de Poisson con tasa $\lambda$, los tiempos entre eventos están distribuidos exponencialmente con la misma tasa.

Distribución Gamma

La suma de $n$ variables aleatorias exponenciales independientes sigue una distribución Gamma con forma $n$ y tasa $\lambda$.

Distribución geométrica

La distribución geométrica es el análogo discreto, contando ensayos hasta el éxito en lugar de tiempo continuo hasta el evento.

Tasa de riesgo

La tasa de riesgo (o tasa de falla) para una distribución exponencial es constante:

$h(t) = \frac{f(t)}{1-F(t)} = \lambda$

Esta tasa de riesgo constante significa que el artículo tiene la misma probabilidad de fallar en el próximo instante independientemente de su edad—una consecuencia directa de la falta de memoria.

Pruebas de exponencialidad

Para probar si los datos siguen una distribución exponencial:

• Prueba de Kolmogorov-Smirnov
• Prueba de bondad de ajuste chi-cuadrado
• Inspección visual de gráficos de probabilidad

Limitaciones

Supuesto de tasa constante

Las tasas de falla del mundo real a menudo no son constantes:

• Mortalidad infantil: Altas tasas de falla tempranas
• Desgaste: Tasas de falla crecientes con la edad

La distribución de Weibull generaliza la exponencial para manejar tasas de riesgo no constantes.

Supuesto de independencia

La propiedad de falta de memoria requiere que los eventos sean verdaderamente independientes. Si los eventos pasados influyen en los futuros, el modelo exponencial es inapropiado.

Cálculos relacionados

• Calculadora de probabilidad de Poisson — Contar eventos en tiempo fijo
• Calculadora de distribución geométrica — Análogo discreto
• Calculadora de Kaplan-Meier — Análisis de supervivencia

Resumen

La distribución exponencial es fundamental para modelar tiempos de espera y vidas útiles cuando los eventos ocurren a una tasa constante. Su propiedad de falta de memoria, aunque a veces contraintuitiva, la hace matemáticamente tratable y apropiada para muchas aplicaciones de confiabilidad y colas. Cuando se cumple el supuesto de tasa constante, la distribución exponencial proporciona fórmulas simples para probabilidades de supervivencia, vidas esperadas y otras cantidades esenciales en ingeniería e investigación de operaciones.