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: () =

1 x

dx

Si es un entero positivo, entonces

() = ( - 1)!

Demostracin

() = x 1e xdx
-1

u=x
du = (-1)x -2 dx
dv = e-x dx v = -e-x

Para integrar por partes

Se obtiene

( ) = ( 1) x 2e x dx = ( - 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

xf (x )dx =

1
1
x 1e x / dx =
x e x / dx

( )
( ) 0

0
Mediante la sustitucin y = x/

1
=
( y) e y dy

( ) 0
=

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

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

16 0
Para integrar se pueden aplicar dos veces la tcnica de integracin por partes:
2

x e

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

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

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

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

16
16 0

0
sustituya y = x/2 para usar la funcin Gamma

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

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 /
, x>0
e
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
f ( y) = e y / 4 , 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
f(x) = e x / = e- x = 4e-4x, x>0

1/ 6

P(X<1/6) =

4e

4x

dx = 0.4866 = 48.66%

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>0
x 1e x ,
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

1 x

dx

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

1/ y
= -1/ y e dy

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:

0.5
f(x)= x 1e x = 0.05 x 0.5e 0.1x
a) = -1/ (1+1/) = (0.1)-1/0.5(1+1/0.5) = 0.1-2(3) = 200 horas

b) P(X>300) =

0.5

0.05 x 0.5e 0.1x dx

300

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

se obtiene

1 0.1y y
P(X>300) = 0.05
e
dy =0.1 e 0.1dy
y
0.5
300
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
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

probabilidad

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

= E[X] =

2 = V[X] =

( + ) ( + + 1)
2

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
f(x) =
x (1 x )2 1= 20x3(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