I.

Introducere
Ct timp va trece nainte de producerea unui cutremur ntr-o anumit regiune ? Ct timp
avem nevoie s atepte nainte de un client intr n magazinul nostru ? Ct timp va dura nainte
un call center primete urmtorul apel telefonic ? Ct timp va o lucrare maini fr rupere jos ?

ntrebri ca acestea sunt adesea rspunde n termeni probabilistice folosind distribuia

exponenial .

Toate aceste ntrebri se refer la timpul pana la producerea unui anumit eveniment .
Dac acest timp de ateptare este necunoscut , este de multe ori necesar s se gndeasc la ea ca
o variabil aleatoare cu o distribuie exponenial . Aproximativ vorbind ,timp X trebuie s
atepte nainte de a se produce un eveniment are o distribuie exponenial n cazul n care
probabilitatea ca evenimentul are loc n timpul un anumit interval de timp este proporional cu
lungimea de care interval de timp . Mai precis , X are o distribuie exponenial dac
probabilitatea condiionat este aproximativ proportionala cu intervalul de timp t (intervalul de
timp intre doua evenimente consecutive).

Distribuia exponenial are , de asemenea, legat de distribuia Poisson . n cazul n care

evenimentul poate avea loc de mai multe ori i timpul scurs ntre dou apariii succesive este
exponential distribuit i independent de evenimente anterioare , numrul de apariii ale
evenimentului ntr-o anumit unitate de timp are o distribuie Poisson.

Distributia exponentiala este analogul distributiei geometrice pentru variabile aleatoare

continue.

Definitie:

Fie X variabila aleatoare continua apartinand multimii numerelor reale pozitive si

paramentrul repartitie exponentiale apartinand R++ spunem ca V.A. X este distribuita exponential
cu parametrul daca are densitatea de probabilitate .

fX(x)=exp(-x)

O variabila aleatoare distribuita exponential este numita variabila aleatoare exponentiala.

1
 Demonstratie ca fX(x) este o densitate de probabilitate se realizeaza demonstrand faptul
ca integrala din fX(x) pe spatiul R++ este 1.

Am menionat c probabilitatea ca evenimentul are loc ntre dou date t i t + t este

proporional cu t$. Parametrul Rata de este constanta de proporionalitate :

In cazul n care o(t) este o infinitezimal de ordin mai mare de t( de exemplu o

functie care tinde catre 0 mai repede decat t)

Condiia proporionalitate mai sus este de asemenea suficient pentru a caracteriza

complet distribuia exponenial .

Urmatoarea figura reprezinta un grafic al densitatii de probabilitate pentru repartitii

exponentiale avand parametrul diferit. Se observa ca la cresterea parametrului a scazut media
distributiei.

[Link]
.svg

2
 II. Indicatori statistici pentru distributia exponentiala:
Momentul simplu de ordinul 1 (expected value):

1
E[X]=

Demonstratie:


xfx ( x ) dx= x exp (x ) dx=[ xexp (x ) ]
0 0+ x exp (x ) dx=
E[X]=
0

1 1
1
=(0-0)+
exp ( x) =0+ 0+ =
0 ( )

Momentul central de ordinul 2 (disperia):

1
D[X]= 2

Demonstratie:


x fx ( x ) dx= x 2 exp (x ) dx=[x2exp (x ) ]
2

0 0+ 2 x exp (x ) dx=
2
E[X ]=
0

=(0-0)+
[
2

xexp ( x ) ] 2 exp (x ) dx=( 00 ) +
0+ 0

2 1
[ 0
2
exp ( x ) = 2 ]
1
2 2
E[X] =(1/) = 2

3
 2 1 1
2 = 2
Var[X]=E[X ]-E[X] = - 2 2
2

Functia generatoare de moment:

MX(t)= 1

Demonstratie:

( t )
exp( x ) dx=

exp ( tx ) exp (x ) dx=
0

MX(t)
exp (tx ) fx ( x ) dx=
0

=

[ 1
t ]
exp ( ( t ) x ) =

0 1

Functia de probabilitate:

4
Functia de probabilitate a unei variabile aleatoare exponentiala este:

FX(x)= { 0 daca x <0

1exp (x ) daca x 0 }

Demonstratie:
x
fx ( t ) dt= exp (t ) dt=[ exp (t ) ] x =exp (x )+1
0 0
Fx(x)=P(Xx)= x

III. Proprietati interesante ale repartitie exponentiale:

1. Repartitia exponentiala are o proprietate foarte importanta: P(Xx+y|X>x)=P(Xy)
pentru orice x 0. X este timpul pana la aparitia urmatorului eveniment. Proprietatea spune ca
probabilitatea ca evenimentul sa se intample intr-un interval de timp y este independenta de cat
timp a trecut deja (x) de la evenimentul precedent.

[Link] X1,X2...Xn variabile aleatoare independente distribuite exponential de parametru

5
 n

Z= Xi atunci suma Z este o varibila aleatoare cu distributie Gamma.

x=1

IV. Aplicatii ale distributiei exponentiale:

Probabilitatea de aparitie a evenimentelor:

Distribuia exponenial apare n mod natural n descrierea lungimile de ori inter- sosire
ntr-un proces Poisson omogen .
Distribuia exponenial poate fi privit ca o contrapartid continu a distribuiei
geometrice , care descrie numrul de ncercri Bernoulli necesare pentru un proces discret pentru
a schimba starea . n contrast , distribuia exponenial descrie timpul pentru un procedeu
continuu pentru a schimba starea .

n scenarii reale , ipoteza unei rate constante ( sau probabilitate pe unitatea de timp ) este
rareori ndeplinit. De exemplu , rata de apelurile primite difer n funcie de momentul zilei .
Dar dac se concentreza pe un interval de timp n care rata este aproximativ constant , cum ar fi
la 2 la 4 pm In zilele de lucru , distribuia exponenial poate fi folosit ca un model bun
aproximativ pentru timpul pn la sosireaurmtorului apel telefonic . Limitri similare se aplic
la urmtoarele exemple care dau variabile aproximativ exponenial distribuite :
Timpul pn la o particul radioactiv se dezintegreaz , sau timpul ntre clicuri de contor
Geiger.
Timpul necesar nainte de apelul telefonic urmtor.
Timpul pn la implicit ( cu plata la titularii de creane companie ) n form redus
modelare a riscului de credit.
Variabilele exponeniale pot fi de asemenea folosite pentru a modela situaii n care
anumite evenimente au loc cu o probabilitate constant pe unitatea de lungime , cum ar fi
distana dintre mutatii pe un fir de ADN .
n ateptare teorie , ori de serviciu ale agenilor ntr-un sistem (de exemplu, ct timp este
nevoie pentru un casier banc pentru a servi un client ) sunt adesea modelate variabile ca
distribuite exponenial . Sosirea clienilor , de exemplu, este , de asemenea, modelat prin
distribuia Poisson dac sosirile sunt independente i identic repartizate . Lungimea unui proces
care poate fi considerat ca o succesiune de mai multe sarcini independente urmeaz distribuia
Erlang ( care este distribuia din suma de mai multe variabile independente distribuite
exponenial ) .

Distribuie exponenial cumulativ montate la maxim anual de 1 zi rafale de ploaie

folosind CumFreq .
Teoria Fiabilitate i inginerie fiabilitate face , de asemenea, utilizarea extensiv a
distribuiei exponeniale . Datorit proprietii memoryless de aceast distribuie , este bine

6
-potrivite pentru a modela poriunea constant rat de risc a curbei cada utilizat n teoria fiabilitii
. Este, de asemenea , foarte convenabil , pentru c este att de uor s adugai ratele de esec intr-
un model de fiabilitate . Cu toate acestea Distribuia exponenial nu este necesar s se modeleze
durata de via total de organisme sau dispozitive tehnice , pentru c " ratele de esec " de aici nu
sunt constante : mai multe eecuri avea loc pentru foarte tineri i pentru sistemele foarte vechi .
n fizic , dac observai un gaz la o temperatur fix i presiune ntr-un cmp
gravitaional uniform , nlimile diferitelor molecule urmri, de asemenea o distribuie
exponenial aproximativ , cunoscut sub numele de formula barometrice . Aceasta este o
consecin a proprietii entropie menionat mai jos .
n hidrologie , distribuia exponenial este folosit pentru a analiza valorilor extreme ale
acestor variabile ca valori maxime lunare i anuale ale precipitaiilor zilnice i volume de
descrcare de gestiune ru.

[Link]

Estimarea (predictia unui eveniment)

Dup ce a observat un eantion de puncte de n date de la o distribuie exponenial
necunoscut o sarcin comun este de a folosi aceste probe pentru a face predictii cu privire la
datele viitoare din aceeai surs . O distribuie predictiv comun pe probe viitoare este aa-
numita distribuie plug-in , format prin conectarea o estimare potrivit pentru parametru rata n
funcie de densitate exponenial . O alegere comun a estimrii este cea prevzut de principiul
7
probabilitii maxime , iar folosirea acestui produce densitatea predictiv pe un eantion viitor xn
+ 1 , condiionat de probele observate x = ( x1 , ... , xn) date de:

Abordarea Bayesian ofer o distribuie predictiv care s in seama de incertitudinea

parametrului estimat , dei acest lucru poate depinde n mod esenial de alegerea anterior .O
distribuie predictiv gratuit a problemelor de a alege antecedente care apar n abordarea
bayesian subiectiv este:

V. Distributia exponentiala trunchiata.

VI. Exemple de aplicatii utilizand distributia exponentiala:

[Link] sunt trimise catre printer cu o medie de 3 planse pe ora.

a)Care este media de timp intre doua planse(E[T)

b)Care este probabilitatea ca urmatoarea plansa sa fie trimisa in mai putin de 5 min.
Solutie:

8
 Venirea plansei reprezinta un eveniment rar astfel timpul dintre doua astfel de
evenimente are o distributie exponential cu o medie 3 planse/ora => =3

a)E[T] =1/=1/3ore sau 20 de minute

b)5min=1/12ore => P(T<1/12)=Fx(1/12)=1-e3*1/12=0.221

2. Numarul de kilometri pe care o masina ii poate face fara ca bateria sa se consume este
distribuit exponential cu o medie de 16000Km. Un om are de facut o calatorie de 8000 de
kilometri. Care este probabilitatea ca el sa isi termine calatoria fara sa isi schimbe bateria.

Stim ca: P(X>x+y | X>x) = P(X>y) => P(X>5000)=e-8000/16000=e-1/2=0.604

[Link] X o variabila aleatoare expoential distribuita care reprezinta timpul(minute) intre

apelurile telefonice catre o clinica medicala. Se cunoste ca timpul mediu intre doua
apeluri telefonice este de 12 minute.

a) Probabilitatea sa nu primeasca nici un apel in 30 de minute.

P(X>30)=e-t=e-30/12=0.082
b)Probabilitatea de a primi un apel in interval de 10 minute.

P(X<10)=1-e-t=1-e-10/12=0.565
c)Probabilitatea de a primi un apel telefonic in intervalul 5-10 minute de la
deschiderea clinici.

P(5<X<10)=(1-e-10/12)-(1-e-5/12)=0.225

d)Care este intervalul de timp pentru care probabilitatea de a primi macar un apel telefonic
este de 0.90

10.90

t= ln

VII. Bibliografie:

Note de curs Procese si marimi aleatoare. Demetriu Sorin. 2014-2015

[Link]

[Link]

9
[Link]

10