Distribuição Exponencial

DISTRIBUIÇÕES CONTÍNUAS:
EXPONENCIAL
Distribuição Exponencial: Principais Características

1. A variável aleatória (y) é não negativa ou seja, (y ≥ 0).

2. A variável, ao representar o intervalo de tempo entre eventos consecutivos (como

chamadas telefônicas), segue uma distribuição de Poisson.

3. A taxa instantânea de risco, derivada do processo de Poisson, é constante, o que implica

que a probabilidade de ocorrência de eventos não se altera ao longo do tempo.
Exemplos de Variáveis Aleatórias com Distribuição Exponencial

Tempo de Duração de Tempo até a Falha de uma Curva de Decaimento

uma Lâmpada: Máquina Industrial: Radioativo:

O intervalo de tempo até que O tempo que um elemento

O período de
uma máquina industrial radioativo leva para reduzir
funcionamento de uma
apresente falha ou defeito. sua atividade, representado
lâmpada antes de falhar.
por uma curva de decaimento
radioativo.
Distribuição Exponencial: Características

Modela situações em que a probabilidade de ocorrência diminui exponencialmente(e) à medida

que o tempo avança, sem, no entanto, atingir precisamente o valor zero.

É usada comumente para representar a duração de equipamentos.

Definida para toda a reta real, para valores negativos f(x)=0.

Exemplos da distribuição Exponencial

  0.1   0.25   0.5

0.100 0.25 0.5

0.075 0.20 0.4

0.15 0.3
0.050
0.10 0.2
0.025 0.05 0.1
0.000 0.00 0.0
Densidade

1 2
 55
1.00 2.0
4
0.75 1.5 3

0.50 1.0 2
1
0.25 0.5
0.00 0.0 0
0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5
Valores de Y

Figura 2. Gráficos para a distribuição Exponencial.

Relação entre Exponencial e Poisson

 A distribuição de Poisson é utilizada para calcular a probabilidade de um número definido

de eventos acontecer dentro de um intervalo predeterminado, baseando-se na taxa média
conhecida desses eventos. Este modelo é adequado para avaliar eventos que são pouco
frequentes.

Figura 1. Relação entre Exponencial e Poisson para eventos ao longo do tempo. O intervalo tem tamanho 1.
Fórmulas

• No caso geral, a fórmula da distribuição de Poisson:

• Portanto, a fórmula expressa a probabilidade de nenhum evento (N = 0) ocorrer em um

intervalo específico, dado um parâmetro de média λ, em uma distribuição de Poisson.

• Logo, a função cumulativa de X é: ; para .

• Derivando F(X) temos:

• ; para .
Fórmulas

• Essa é a definição da função densidade , a partir dela consigo achar a esperança E(x), e
V(x)

• é uma constante qualquer

• Calculando E(x): =(Integração por partes)=>

• Var(x)=

• ==>

• E(x)= ; Var(x)= ; ; para .

Exemplo
A falta de memória

 A distribuição exponencial é empregada na modelagem do tempo de vida de equipamentos,

componentes, sistemas, etc., em contextos industriais. Da mesma forma, é utilizada em
contextos médicos para modelar o tempo até a cura ou óbito de pacientes. A distribuição
exponencial tem como característica a falta de memória, conforme expresso na condição:

 para qualquer a > 0. Isso também implica que sua função de risco é constante.
Função de risco

 A função de risco de uma v.a. é definida por:

 em que f é a função de densidade de probabilidade e F a função de distribuição

 Falta de memória indica que a propensão à falha independe do tempo decorrido. Na

prática, a suposição quer dizer que a chance de um carro velho falhar é a mesma de um
carro novo.
Função de risco

Função de densidade de probabilidade Função de

f Função de risco F(y) distribuição
h(y
(y) 1
)
2 0.6
f 0.5 F(y)
1 0.5
(y) 1−
F(y) 0.4
0 0 y
2 4 y 0 2 4 y 0 2 4
0

•Figura 11. Função de risco para a distribuição Exponencial.

Outras relações com a Exponencial

 A Exponencial é caso particular de duas outras distribuições que serão vistas:

 Distribuição Gama.
 Distribuição de Weibull.
 Essas distribuições generalizam a Exponencial e por isso são mais flexíveis.
 Têm mais de um parâmetro.
 A função de risco não é mais constante.
 Também são aplicadas nos mesmos contextos que a Exponencial.