O que é a Distribuição Exponencial?A Distribuição Exponencial é uma distribuição de probabilidade contínua usada para modelar o tempo entre eventos em um Processo de Poisson. Ela descreve situações onde queremos calcular:- O tempo até a próxima falha de um sistema.- O tempo entre chegadas de clientes em uma fila.- A duração de chamadas telefônicas.Ela é especialmente útil porque possui a propriedade de falta de memória, ou seja, a probabilidade de um evento ocorrer no futuro não depende do tempo já decorrido.Fórmula da Distribuição ExponencialA função densidade de probabilidade (PDF) da distribuição exponencial é dada por:\[ f(x) = \lambda e^{-\lambda x} \quad \text{para} \quad x \geq 0 \]Onde:- \( \lambda \) (lambda) = taxa de ocorrência (eventos por unidade de tempo).- \( x \) = tempo (ou espaço) até o próximo evento.A função de distribuição acumulada (CDF), que calcula \( P(X \leq x) \), é:\[ F(x) = 1 - e^{-\lambda x} \]Gráfico da Distribuição Exponencial para diferentes valores de \( \lambda \)Exemplos da Vida RealExemplo 1: Tempo entre falhas de um sistema- Situação: Um servidor falha, em média, a cada 500 horas (\( \lambda = \frac{1}{500} \)).- Pergunta: Qual a probabilidade de o servidor falhar antes de 300 horas?Resolução:\[ P(X \leq 300) = 1 - e^{-\frac{1}{500} \cdot 300} = 1 - e^{-0,6} \approx 1 - 0,5488 = 0,4512 \quad (45,12\%) \]Exemplo 2: Tempo entre chegadas de clientes- Situação: Clientes chegam a um banco, em média, a cada 10 minutos (\( \lambda = \frac{1}{10} \)).- Pergunta: Qual a probabilidade do próximo cliente chegar em mais de 15 minutos?Resolução:\[ P(X > 15) = e^{-\frac{1}{10} \cdot 15} = e^{-1,5} \approx 0,2231 \quad (22,31\%) \]Exemplo 3: Duração de chamadas telefônicas- Situação: Chamadas em um call center duram, em média, 4 minutos (\( \lambda = \frac{1}{4} \)).- Pergunta: Qual a probabilidade de uma chamada durar menos de 2 minutos?Resolução:\[ P(X \leq 2) = 1 - e^{-\frac{1}{4} \cdot 2} = 1 - e^{-0,5} \approx 1 - 0,6065 = 0,3935 \quad (39,35\%) \]Relação entre Poisson e Exponencial- Poisson modela quantidade de eventos em um intervalo fixo.- Exponencial modela tempo entre eventos (quando eventos seguem Poisson).Se eventos ocorrem com taxa \( \lambda \) em Poisson, então o tempo entre eventos segue uma Exponencial com parâmetro \( \lambda \).Quando usar a Distribuição Exponencial?Use quando:1. O processo é contínuo no tempo/espaço.2. Eventos ocorrem independentemente e a uma taxa constante.3. Interessa o tempo entre eventos, não a contagem deles.Exemplos de aplicação:- Tempo até a próxima falha de um componente eletrônico.- Tempo entre chegadas de navios em um porto.- Vida útil de produtos antes de apresentarem defeitos.Exercícios1. Falhas em um sistema:- Um computador falha, em média, a cada 1000 horas. Qual a probabilidade de falhar antes de 500 horas?2. Chegada de ônibus:- Ônibus chegam a um ponto, em média, a cada 15 minutos. Qual a probabilidade do próximo ônibus chegar em mais de 20 minutos?3. Atendimento em um caixa:- Um caixa de supermercado atende, em média, um cliente a cada 5 minutos. Qual a probabilidade do próximo atendimento levar menos de 3 minutos?4. Tempo de vida de lâmpadas:- Lâmpadas queimam, em média, após 8000 horas. Qual a probabilidade de uma lâmpada durar mais de 10.000 horas?5. Chamadas telefônicas:- Chamadas em um call center duram, em média, 6 minutos. Qual a probabilidade de uma chamada durar entre 4 e 8 minutos?6. Tempo de Falha com Múltiplos ComponentesUm sistema tem 3 componentes independentes, cada um com tempo de falha seguindo uma Exponencial (\( \lambda = 0.01 \) horas⁻¹). O sistema falha se pelo menos 2 componentes falharem.- Pergunta: Qual a probabilidade do sistema falhar nas primeiras 100 horas? (Use a exponencial para saber a probabilidade falha e depois a binomial para somar as probabilidades de ao menos 2 sucessos)Gabarito1. 39,35%2. 26,42%3. 45,12%4. 28,65%5. 24,72%6. 69,35%
Accedi e partecipa alla conversazione
— Commenti 0
, Reazioni 1
Diventa il primo a commentare