DISTRIBUCION GAMMA

• Varias densidades de probabilidad son

casos especiales de la distribución
gamma. Esta distribución tiene la
densidad de probabilidad dada por:
 1

 1
x e x / 
para x  0;   0;   0
f ( x)    ( )


0
 en otro lugar

• (): es un valor de la función gamma,

definida por:

1
 DISTRIBUCION GAMMA
( )   x e dx
  1 x
0

• La integración por partes demuestra que

• ( )  (  1)(  1) para toda >1 y

• ( )  (  1)! cuando  es un entero

positivo.

2
 DISTRIBUCION GAMMA
1
E( X )   
  1 x / 
 x.x e dx
 ( )
 0

(  1)
  
( )
• Donde y = x/
• Usando métodos similares se tiene:

V ( X )    
2 2

3
 Ejemplo 1
• Si en promedio llegan 3 camiones por
hora para ser descargados en una
bodega, ¿Cuáles son las probabilidades
de que el tiempo entre el arribo de
sucesivos camiones sea:
• a) menor que 5 minutos;
• b) de al menos de 45 minutos

4
• Solución
• suponiendo que los arribos siguen un
proceso de Poisson con  = 3, entonces
 = 1/3, con lo que obtenemos:

 3e dx  1  e  0,221; para el caso a

1/ 12 3 x 1/ 4
0

 3e dx  e  0,15; para el caso b

 3 x 9 / 4
3/ 4

5
 Ejemplo 2
• En cierto distrito, la proporción de
tramos de carretera que requieren de
reparaciones en un año dado es una
variable aleatoria con distribución Beta
con  = 3 y  =2. determine:
• a) Qué porcentaje, en promedio, de
tramos de carretera requieren de
reparaciones en un año dado.
• b) la probabilidad de que cuando mas la
mitad de los tramos de carretera
requieran de reparaciones en un año 6
dado.
• solución
• a)  
3
 0,60
3 2
• lo que significa que 60% de los tramos
de carretea requieren reparaciones en
un año dado
• b) con =3 y =2, se tiene
12x (1  x) para 0  x  1
2

f ( x)  
0 en otros casos
5
P(0  X  1 / 2)   12x (1  x)ds 
1/ 2 2
0
16 7
 Distribución Gamma Distribución Gamma
3 Shape,Scale 1,5 Shape,Scale
1,0,3 3,1
2,5 1,1 1,2 3,3
2 1,3 3,5
0,9
1,5
0,6
1
0,3
0,5
0 0
0 4 8 12 16 20 0 2 4 6 8 10 12

x x

Distribución Gamma
Distribución Gamma
2 Shape,Scale
0,4 Shape,Scale 2,1
7,2 1,6 2,3
10,2 2,5
0,3
15,2
1,2
0,2
0,8

0,1 0,4

0 0
0 3 6 9 12 15 18 0 2 4 6 8 10
8
x x
AJUSTE DE UN MODELO CONTINUO

Se tienen 200 datos para los cuales se hace un

estudio descriptivo

7,733358 Count = 200

7,943902 Average = 6,33238
3,88653 Median = 5,75102
7,771339 Variance = 14,2753
4,781365 Standard deviation = 3,77827
7,24107 Minimum = 0,521703
4,961396 Maximum = 20,9627
9,879982 Range = 20,441
7,3661 Skewness = 1,03675
5,284379
.
.
. 9
 Histogram for X
24

20
percentage

16

12

0
0 4 8 12 16 20 24

10
 Distribución Uniforme Distribución Normal
1 0,4
0,9
0,8
0,3
0,7
density

0,6
0,5 0,2
0,4
0,3
0,1
0,2
0,1
0 0
-1 -0,6 -0,2 0,2 0,6 1 1,4 1,8 2,2 2,6 3 -5 -3 -1 1 3 5

Distribución Exponencial Distribución Gamma

0,2 1,5
0,18
0,16 1,2
0,14
0,12 0,9
0,1
0,08 0,6
0,06
0,04 0,3
0,02
0 0
0 10 20 30 40 50 60 0 0,4 0,8 1,2 1,6 2 2,4
11
 Distribución Gamma

0.040

0.035
Función Acumulada
x
0.030 
-  1
 x e  x>0
0.025
f (x) 
0.020
 ( )
0.015

E(X) = 
0.010

0.005

0.000 V(X) = 2 
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95

Función Densidad
 Modelos de Sucesos Aleatorios

• También es una distribución muy útil cuando se

tiene poca información. Sólo se sabe un valor
mínimo, un máximo y uno más probable.

• Se utiliza para modelar

– porcentaje de ítemes defectuosos en un lote
– tiempo de cumplimiento de una tarea en PERT
 Distribución Beta
Distribución Beta
X   ( , )
 (   )
f ( x,  ,  )  x (1  x )
 1  1
para 0  x  1
 ( ) (  )
X



 

  2

(   ) (    1)
x


 ( n )   y e dy
n 1  y
n0
0
 Distribución Beta

A good model for proportions. You can fit almost any data.
However, the data set MUST be bounded!
 Modelos de Sucesos Aleatorios

• Se ha descubierto que la Distribución Weibull

permite modelar razonablemente bien los
fenómenos de tiempos de operación entre fallas en
equipos sometidos a desgaste.
Distribución Weibull
 Generadores en Lenguajes

• Los lenguajes de simulación -como Arena- tienen

incorporados métodos para “generar” hechos de
acuerdo al patrón que se les indique.

• Es preciso estudiar cuidadosamente el patrón de

comportamiento de los hechos reales para poder
“simularlos” correctamente. Esto se logra mediante
el análisis estadístico de una serie de observaciones
del mundo real.