Contenido del Curso
Fundamentos de la Teoría de la Probabilidad
Fundamentos de la Teoría de la Probabilidad
Distribución Exponencial
La distribución exponencial es una distribución de probabilidad continua que modela el tiempo entre eventos en un proceso de Poisson.
Recordamos que el proceso de Poisson describe el número de eventos que ocurren durante un período determinado. Por otro lado, la distribución exponencial describe el tiempo entre la ocurrencia de dos eventos sucesivos (la distancia entre dos puntos adyacentes distintos de cero en el gráfico anterior).
La distribución de Poisson está parametrizada por el parámetro mu
, que describe el número promedio de accidentes por unidad de tiempo. La distribución exponencial está parametrizada por el parámetro scale
, que determina el tiempo promedio entre dos accidentes.
Nota
Existe una relación clara entre el parámetro
mu
del proceso de Poisson y el parámetroscale
de la distribución exponencial:
mu
=1 \ scale
para una unidad de tiempo
Ejemplo
Suponga que el tiempo promedio entre llegadas de clientes a una tienda es de 5
minutos. ¿Cuál es la probabilidad de que el próximo cliente llegue en menos de 3
minutos?
Tenemos un proceso de Poisson donde un evento es la llegada de un cliente. El tiempo promedio entre dos llegadas es de 5
minutos. Como resultado, podemos utilizar la distribución exponencial para calcular la probabilidad correspondiente:
from scipy.stats import expon # Parameters of the exponential distribution mean_waiting_time = 5 # Calculate that new customer will arrive in less than 3 minutes probability = expon.cdf(3, scale=mean_waiting_time) - expon.cdf(0, scale=mean_waiting_time) # Print the result print(f'The probability that the next customer arrives within 3 minutes is: {probability:.4f}')
También se utiliza el método .cdf()
de la clase scipy.stats.expon
con un parámetro scale
especificado para calcular la probabilidad correspondiente en el intervalo [0,3]
.
¡Gracias por tus comentarios!