Exercício 02: Para compreender e caracterizar os principais modelos contínuos de probabilidade, descreva de forma clara e objetiva:
Distribuição Exponencial;
Distribuição Exponencial;
Passo 1
O enunciado pede uma descrição clara e objetiva da distribuição exponencial. Informações relevantes que vamos usar e apresentar: definição da função densidade de probabilidade (pdf), função de distribuição acumulada (cdf), função sobrevivência, interpretação do parâmetro, esperança e variância com demonstração, propriedade de falta de memória (memoryless) com prova, taxa de falha (hazard), relação com o processo de Poisson e forma prática de usar a distribuição em exercícios (cálculos de probabilidade e estimação de parâmetro). Nada mais é pedido explicitamente, então eu vou cobrir todos esses pontos de forma didática e passo a passo.
Passo 2
Definição e parâmetro. A variável aleatória
tem distribuição exponencial com parâmetro
se sua função densidade é
Aqui
é chamada de taxa (rate): indica quantos eventos por unidade de tempo, em média. Uma parametrização alternativa usa a média
; aí às vezes escrevem
com densidade
para
. Comentário intuitivo: a densidade é máxima em
e decai exponencialmente; isso modela tempos entre eventos que surgem “de forma aleatória” com taxa constante.
Passo 3
Função de distribuição acumulada (cdf) e sobrevivência. A cdf é obtida integrando a pdf:
A função sobrevivência (tail) é
Essas fórmulas são úteis para calcular probabilidades simples e para provar propriedades como a falta de memória.
Passo 4
Probabilidades típicas e intervalo. Para
,
Exemplo numérico rápido (só para ver na prática): se
e queremos
,
Passo 5
Propriedade de falta de memória (memoryless) — demonstração e interpretação. A propriedade diz que, para
,
Prova usando a sobrevivência:
Interpretação prática: se já se passou tempo
sem o evento, a distribuição do tempo adicional até o evento não muda — “sem memória”. Isso facilita muito cálculos condicionais em provas.
Passo 6
Esperança
— cálculo passo a passo. Usamos integração por partes. Começamos por
Fazendo integração por partes com
e
(então
,
) obtemos
Portanto
. Isso confirma a interpretação de
como taxa (média de tempo
).
Passo 7
Segunda momenta e variância — cálculo. Primeiro
Usamos integração por partes uma vez: com
,
obtemos
Note que
(pode-se derivar igual ao passo anterior sem o fator
ou lembrar fórmulas da função Gamma). Assim
A variância é
Resumo:
e
.
Passo 8
Taxa de falha (hazard) e interpretação. A função hazard é
Para a exponencial a taxa de falha é constante
: a chance instantânea de ocorrer o evento não depende do tempo já decorrido — é outra forma de dizer “sem memória”. Em aplicações de confiabilidade, isso significa que o componente não envelhece; em filas, significa taxa constante de atendimento/chegada.
Passo 9
Relação com processo de Poisson e somas de exponenciais. Se eventos ocorrem segundo um processo de Poisson com taxa
, os tempos entre eventos consecutivos (interarrival times) são iid
. Além disso, a soma de
variáveis exponenciais iid com mesmo
tem distribuição Erlang/Gama com parâmetros
e
; a média dessa soma é
. Outra propriedade útil: o mínimo de exponenciais independentes tem distribuição exponencial com parâmetro igual à soma das taxas.
Passo 10
Estimativa do parâmetro (MLE) — receita rápida. Com amostra iid
da exponencial, a verossimilhança é
O log-verossimilhança é
. Derivando e igualando a zero:
Interpretação simples: a estimativa da taxa é o inverso da média amostral.
Passo 11
Como usar isso numa prova — checklist prática (passo a passo rápido):
- Identifique se o tempo/intervalo é não negativo e parece “sem memória” ou com taxa constante. Se sim, modele por
. - Para
use . Para use . - Para probabilidades condicionais do tipo
aplique a propriedade de falta de memória para simplificar. - Para esperança e variância lembre:
, . - Se precisar estimar
de dados, use . - Se o problema envolver tempos entre eventos de um processo de Poisson, substitua por exponencial para cada intervalo.
Força aí — com essas fórmulas e receitas você resolve a grande maioria das questões sobre exponencial na prova.
Resposta
Função densidade:
Função distribuição:
Função sobrevivência:
Probabilidades:
Esperança:
Variância:
Propriedade de falta de memória:
Hazard (taxa de falha): (constante).
Relação com Poisson: tempos entre eventos de um Poisson( ) são
.
Estimador MLE: .
Função distribuição:
Função sobrevivência:
Probabilidades:
Esperança:
Variância:
Propriedade de falta de memória:
Hazard (taxa de falha):
Relação com Poisson: tempos entre eventos de um Poisson(
Estimador MLE: