Sunteți pe pagina 1din 20

DISTRIBUCION GAMMA

DISTRIBUCION GAMMA

Introduccion y Definicion

Este modelo nos lleva a una funcin de densidad de probabilidad cuyas


variables aleatorias son no negativas y tienen distribuciones sesgadas
hacia la derecha, es decir la mayor parte del rea bajo la curva de la
funcin, se encuentran cerca del origen y los valores de la funcin de
densidad disminuyen gradualmente cuando x aumenta.

DISTRIBUCION GAMMA
Objetivo
El objetivo fundamental del trabajo a presentar es analizar la
denominada Funcin Gamma con su respectiva distribucin de
probabilidad o funcin de densidad, as como sus parmetros y las
relaciones que esta funcin tiene con otras. Slo as podremos
comprender la verdadera importancia de la funcin Gamma, que
bsicamente es una funcin terica

DISTRIBUCION GAMMA
Origen y Autor
La distribucin Gamma tiene su origen en la familia de curvas sesgadas
propuestas por Karl Pearson. Uno de los primeros y ms importantes
trabajos del profesor Pearson fue su contribucin al anlisis de curvas
sesgadas. La motivacin del profesor Pearson nace al notar que ciertas
medidas biolgicas, sociolgicas y econmicas, existe una desviacin
de la forma normal y es importante la direccin y la cantidad de esa
desviacin.

DISTRIBUCION GAMMA
Funcion Gamma

Esta dada por:

La integral que define la funcin se le llama integral euleriana de


segunda especie, siendo >0
Esta funcin nos permite generar una constante a travs de .

DISTRIBUCION GAMMA
Propiedades de la funcion gamma
1.

Esta funcin tambin se la puede representar como:

Demostracion:
Integrando por partes:

DISTRIBUCION GAMMA
Volviendo a integrar

As sucesivamente

DISTRIBUCION GAMMA
Propiedades de la funcion gamma

2. Cuando es 1, entonces la funcin gamma tambin es 1


Demostracin

3.
4.

DISTRIBUCION GAMMA
funcin de distribucin gamma
La funcin de distribucin gamma viene dado por:
Sin embargo, esta funcin no da 1 en la suma total de probabilidades.
Esa es la razon por la cual debemos multiplicarlo por un constante k.

DISTRIBUCION GAMMA
DEMOSTRACION
Sabemos que al integrar esta distribucin debe dar 1.
Realizamos un cambio de variable

DISTRIBUCION GAMMA
DEMOSTRACION

La funcin gamma da la constante que hace que la suma de


probabilidades de la gamma sea 1.

DISTRIBUCION GAMMA
Su funcion de densidad de probabilidad es:

Con parmetros:
: parmetro de escala, > 0
: parmetro de forma, > 0
Valor esperado (media)
Varianza

DISTRIBUCION GAMMA
Propiedades
La distribucin exponencial es una distribucin gamma con =1.
Si X1 es una gamma (1,) y X2 es una gamma (2,) entonces Y=X1+X2

es una gamma (1+ 2,).


Si X es una gamma (,1) entonces X es una gamma (1,), para
cualquier >0.

Las dos primeras propiedades nos dicen que podemos generar valores
de distribuciones gamma de valores grandes de mediante
convolucin de valores de distribuciones gamma. La tercera propiedad
nos dice que slo es necesario desarrollar mtodos de generacin de
variables aleatorias gamma con =1. Una gamma(1,1) es una
exponencial de media 1.

DISTRIBUCION GAMMA
La distribucin gama toma una variedad de formas dependiendo del
valor de . Como se ilustra en la figura. Para <1 la distribucin es muy
asimtrica con f(x) tendiendo a infinito a medida que x tiende a cero.

DISTRIBUCION GAMMA
Usos y Aplicaciones
La distribucin gamma se aplica a una gran diversidad de reas,
permitindonos una metodologa en el marco de anlisis de la biologa
y la ingeniera. Es una candidata popular para modelar procesos, dada
su capacidad para asumir una amplia variedad de formas.
Una eleccin frecuente, especialmente cuando se trata de representar
datos de precipitacin es la distribucin gama. Muchas de estas
variables atmosfricas son claramente asimtricas.
Es muy utilizada en las teoras de la fiabilidad, mantenimiento y
fenmenos de espera

DISTRIBUCION GAMMA
Casos Particulares
1)

La funcin exponencial es un caso particular de la distribucin


gamma y tiene aplicaciones de inters prctico. Se obtiene con = 1
en la distribucin Gamma
1 x /
, x>0
e
f ( x) =

0, para otro x

2)

Otro caso especial de la distribucin gamma se obtiene si hacemos =2 y


=n/2, en donde n es un entero positivo. La distribucin resultante es la
distribucin ji-cuadrado, cuya densidad esta definida por:

DISTRIBUCION GAMMA
Ejemplos
Suponga que las llamadas telefonicas que llegan a un conmutador
particular siguen un proceso de Poisson con un promedio de 5 llamadas
entrantes por minuto. Cul es la probabilidad de que transcurra a lo
mas un minuto hasta que lleguen 2 llamadas al conmutador?
= 2, = 1/5, x= 1
f ( x) =

1
1
x 21e x /(1/ 5) = 25 x 2 e 5 x
x 1e x / =
3
(1 / 5) (2)
( )

P ( x 1) = 25 x e 5 x dx= 5 xe 5 x e 5 x 0
1

P( x 1) = 0.96

DISTRIBUCION GAMMA
El tiempo en horas que semanalmente requiere una mquina para
mantenimiento es una variable aleatoria con distribucin gamma con
parmetros =3, =2
a) Encuentre la probabilidad que en alguna semana el tiempo de
mantenimiento sea mayor a 8 horas
b) Si el costo de mantenimiento en dlares es C = 30X + 2X2, siendo X el
tiempo de mantenimiento, encuentre el costo promedio de
mantenimiento.
f ( x) =

1
1
x 1e x / =
x 21e x /(1/ 5) = 25 x 2 e 5 x
3
(1 / 5) (2)
( )

1
8
P(X > 8) = 1 - P(X 8) = 1 - x 2 e x / 2 dx = 1 1 [- 2x 2 e - x/2 + 4(-2x e - x/2 + 2(-2 e - x/2 ))]
16 0
0
16

P( x > 8) = 0.2381

DISTRIBUCION GAMMA
E[C] = E[30X + 2X2] = 30 E[X] + 2 E[X2]
E[X] = = 3(2) = 6
E[X2] = x f ( x)dx = x 161 x e dx = 161 x e dx

x / 2

x / 2

sustituya y = x/2 para usar la funcin Gamma


=

1
16

4
y
( 2 y ) e ( 2dy )
0

= 2 y 4 e y dy
0

= 2(5) = 2(4!) = 48
E[C] = 30(6) + 2(48) = 276 dlares

DISTRIBUCION GAMMA
Conclusiones
Como hemos observado la funcion gamma lo que busca es una
variable aleatoria que nos permite encontrar el tiempo que transcurre
para la realizacion de un evento. Y queda demostrado que esta funcion
da origen a muchas otras distribuciones siendo las mas representativas
la esponencial y la chi-cuadrada.
Esta distribucion trata de predecir eventos poco probables, como las
precipitaciones y probabilidad por tiempos de espera.