Documente Academic
Documente Profesional
Documente Cultură
DISTRIBUCION GAMMA
Introduccion y Definicion
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
DISTRIBUCION GAMMA
Propiedades de la funcion gamma
1.
Demostracion:
Integrando por partes:
DISTRIBUCION GAMMA
Volviendo a integrar
As sucesivamente
DISTRIBUCION GAMMA
Propiedades de la funcion gamma
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
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
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)
0, para otro x
2)
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
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.