DISTRIBUCIN GAMMA

Es un modelo bsico en la teora estadstica.

Definicin
Una variable aleatoria continua X tiene distribucin Gamma si su densidad de
probabilidad est dada por
1
x 1e x / , x > 0
f ( x ) = ( )
0, para otro x
>0, >0 son los parmetros para este modelo .

Fig. G1. Grfico de la distribucin Gamma para algunos valores de ,

() es la funcin Gamma: () = x 1e xdx
0
Si es un entero positivo, entonces

() = ( - 1)! .

Demostracin

() = x 1e xdx
0
-1
u=x du = (-1)x-2 dx Para integrar por partes
dv = e-x dx v = -e-x

Se obtiene

( ) = ( 1) x 2e xdx = ( - 1)( - 1)
0

Sucesivamente
() = ( -1)(-2)(-3)...(1), pero (1) = 1 por integracin directa.
MEDIA Y VARIANZA DE LA DISTRIBUCIN GAMMA

= E[X] = , 2 = V[X] = 2 .

Demostracin para

1 1
= xf ( x )dx = x x 1e x / dx = x e x / dx
0
( ) ( ) 0
Mediante la sustitucin y = x/

1
=
( ) 0

( y) e y dy


= y e ydy
( ) 0
Con la definicin de la funcin Gamma:

= ( + 1) = ( ) =
( ) ( )

Ejemplo
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.

Solucin
Sea X duracin del mantenimiento en horas (variable aleatoria)
Su densidad de probabilidad es:
1 1 1 2 x / 2
f(x) =
x 1e x / = 3 x 3 1e x / 2 = xe
( ) 2 (3 ) 16

a) P(X>8) es el rea resaltada en el grfico

 8
1
P(X>8) = 1 P(X8) = 1 -
16 0
x 2e x / 2dx

Para integrar se pueden aplicar dos veces la tcnica de integracin por partes:

x e
2 x / 2
dx ,

u = x2 du = 2x dx
dv = e-x/2 dx v = -2 e-x/2
= -2x2 e-x/2 + 4 x e x / 2dx

x e
x / 2
dx

u = x du = dx
dv = e-x/2dx v = -2 e-x/2
= -2x e-x/2 + 2 e x / 2dx

Sustituyendo los resultados intermedios,

8
P(X>8) = 1 -
1
16
[ ]
- 2x 2e - x/2 + 4(-2x e - x/2 + 2(-2 e - x/2 )) = 0.2381
0

b) E[C] = E[30X + 2X2] = 30 E[X] + 2 E[X2]

E[X] = = 3(2) = 6

2 1 2 x / 2 1
E[X ] = x f ( x )dx = x
2
x e dx =
2
x 4 e x / 2dx
0
16 16 0

sustituya y = x/2 para usar la funcin Gamma

1
= (2 y)4 e y (2dy) = 2 y 4 e ydy = 2(5) = 2(4!) = 48
16 0 0

Finalmente se obtiene

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

DISTRIBUCIN EXPONENCIAL

Es un caso particular de la distribucin gamma y tiene aplicaciones de inters

prctico. Se obtiene con = 1 en la distribucin Gamma

Definicin
Una variable aleatoria continua X tiene distribucin exponencial su densidad de
probabilidad est dada por
1 x /
e , x>0
f (x ) =
0, para otro x
>0, es el parmetro para este modelo .

MEDIA Y VARIANZA DE LA DISTRIBUCIN EXPONENCIAL

= E[X] = , 2 = V[X] = 2 .

Se obtienen directamente de la distribucin gamma con = 1

Problema
Un sistema usa un componente cuya duracin en aos es una variable aleatoria con
distribucin exponencial con media de 4 aos. Si se instalan 3 de estos
componentes y trabajan independientemente, determine la probabilidad que al cabo
de 6 aos, dos de ellos sigan funcionando.

Solucin
Sea Y: variable aleatoria continua (duracin de un componente en aos)
==4
Su densidad de probabilidad es
1 y/ 4
f ( y) = e ,y > 0
4
La probabilidad que un componente siga funcionando al cabo de 6 aos:
61
P(Y6) = 1 P(Y<6) = 1 e y / 4 dy = 0.2231
04
Sea X: variable aleatoria discreta (cantidad de componentes que siguen
funcionando luego de 6 aos)
X tiene distribucin binomial con n=3, p=0.2231
n 3
f(x) = p x (1 p)n x = 0.2231x 0.7769 3 x
x x
3
P(X=2) = f(2) = 0.22312 0.7769 3 2 = 0.1160 = 11.6%
2
UNA APLICACIN DE LA DISTRIBUCIN EXPONENCIAL

La distribucin exponencial tiene aplicaciones importantes. Por ejemplo, puede

demostrarse que si una variable aleatoria tiene distribucin de Poisson con
parmetro , entonces, el tiempo de espera entre dos exitos consecutivos es
una variable aleatoria con distribucin exponencial y parmetro = 1/

Ejemplo
La llegada de los camiones a una bodega tiene distribucin de Poisson con
media de 4 por hora. Calcule la probabilidad que el tiempo transcurrido entre
la llegada de dos camiones consecutivos sea menor a 10 minutos.

Solucin
Sea X el tiempo transcurrido entre dos llegadas consecutivas (horas)
Es una variable aleatoria continua con distribucin exponencial con
parmetro = 1/ = 1/4
1 x /
f(x) = e = e-x = 4e-4x, x>0

1/ 6
P(X<1/6) = 4e
4x
dx = 0.4866 = 48.66%
0
DISTRIBUCIN DE WEIBULL

Este modelo se utiliza en estudios de confiabilidad de ciertos tipos de

sistemas.

Definicin
Una variable aleatoria continua X tiene distribucin de Weibull si su densidad de
probabilidad est dada por
x 1e x ,

x>0
f (x ) =
0, para otro x
>0, >0 son los parmetros para este modelo

Si = 1, este modelo se reduce al modelo de distribucin exponencial.

Si > 1, el modelo tiene forma acampanada con sesgo positivo

Fig. 28.1 Grficos de la distribucin de Weibull

MEDIA Y VARIANZA DE LA DISTRIBUCIN DE WEIBULL

Si X es una variable aleatoria continua con distribucin de Weibull, entonces

= E[X] = -1/(1+1/)
2 = V[X] = -2/[(1+2/) ((1+1/))2] .

Demostracin de la media
Con la definicin

= E[X] = xf ( x )dx = x x 1e x dx

Mediante la sustitucin
y = x dy = x-1dx = yx-1dx = y(y/)-1/dx
se obtiene


y
1/
-1/ e ydy
= 0

comparando con la funcin gamma

= -1/(1+1/)

Ejemplo
Suponga que la vida til en horas de un componente electrnico tiene
distribucin de Weibull con =0.1, =0.5
a) Calcule la vida til promedio
b) Calcule la probabilidad que dure mas de 300 horas

Solucin
Sea X: vida til en horas (variable aleatoria continua)
su densidad de probabilidad:
f(x)= x 1e x = 0.05 x 0.5 e 0.1x
0.5

a) = -1/(1+1/) = (0.1)-1/0.5(1+1/0.5) = 0.1-2(3) = 200 horas

b) P(X>300) = 0.05 x 0.5 e 0.1x dx
0.5

300

mediante la sustitucin y=x0.5 dy = 0.5x-0.5dx = 0.5(1/y)dy

se obtiene

1 y
P(X>300) = 0.05 e 0.1y dy =0.1 e 0.1dy
300
y 0 .5 300
300
= 1 P(X300) = 1 0.1 e 0.1dy = 0.177
0
DISTRIBUCIN BETA

Este modelo tiene actualmente aplicaciones importantes por la variedad de

formas diferentes que puede tomar su funcin de densidad para diferentes
valores de sus parmetros. El dominio es el intervalo [0, 1], pero mediante
alguna sustitucin, otros intervalos finitos pueden llevarse a [0, 1]

Definicin
Una variable aleatoria continua X tiene distribucin beta si su densidad de
probabilidad est dada por
( + ) - 1
x (1- x) -1, 0 < x < 1
f ( x ) = ()()
0, para otro x
>0, >0 son los parmetros para este modelo

Fig. 28.2 Grficos de la distribucin beta

MEDIA Y VARIANZA DE LA DISTRIBUCIN BETA

Si X es una variable aleatoria continua con distribucin beta, entonces

= E[X] =
+

2 = V[X] = 2
.
( + ) ( + + 1)

La demostracin de se fundamenta en la definicin de la funcin beta cuyo

anlisis se encuentra en los libros de clculo. Con la definicin de valor
esperado y la sustitucin respectiva, se encuentra
Ejemplo
Un distribuidor de gasolina llena los tanques del depsito cada lunes. Se ha
observado que la cantidad que vende cada semana se puede modelar con la
distribucin beta con =4, =2
a) Encuentre el valor esperado de la venta semanal
b) Encuentre la probabilidad que en alguna semana venda al menos 90%

Solucin
Sea X: proporcin de combustible que vende semanalmente (variable aleatoria
continua con valor entre 0 y 1)
Su densidad de probabilidad es
( 4 + 2) 4 1 3
f(x) = x (1 x )2 1 = 20x (1-x), 0<x<1
( 4 )(2)
4
a) =E[X]= = = 2/3 (vende en promedio 2/3 del tanque
+ 4+2
cada semana)
1
b) P(x>0.9) = 20 x 3 (1 x )dx = 0.082 = 8.2%
0 .9

Es el rea marcada en el siguiente grfico