DISTRIBUCION GAMMA

Este modelo es una generalizacin del modelo Exponencial ya que, en

ocasiones, se utiliza para modelar variables que describen el tiempo hasta que
se produce p veces un determinado suceso.
Su funcin de densidad es de la forma:

Como vemos, este modelo depende de dos parmetros positivos: y p. La

funcin (p) es la denominada funcin Gamma de Euler que representa la
siguiente integral:

que verifica (p + 1) = p(p), con lo que, si p es un nmero entero

positivo, (p + 1) = p!
El siguiente programa permite visualizar la forma de la funcin de densidad de
este modelo (para simplificar, se ha restringido al caso en que p es un nmero
entero).
Propiedades de la distribucin Gamma
1. Su esperanza es p.
2. Su varianza es p2
3. La distribucin Gamma (, p = 1) es una distribucin Exponencial de
parmetro . Es decir, el modelo Exponencial es un caso particular de la
Gamma con p = 1.
4. Dadas dos variables aleatorias con distribucin Gamma y parmetro
comn
X ~ G(, p1) y Y ~ G(, p2)
se cumplir que la suma tambin sigue una distribucin Gamma
X + Y ~ G(, p1 + p2).

Una consecuencia inmediata de esta propiedad es que, si tenemos k variables

aleatorias con distribucin Exponencial de parmetro (comn) e
independientes, la suma de todas ellas seguir una distribucin G(, k).

DISTRIBUCION EXPONENCIAL
En estadstica la distribucin exponencial es una distribucin de
probabilidad continua con un parmetro
cuya funcin de densidad es:

Su funcin de distribucin acumulada es:

Donde

representa el nmero e.

El valor esperado y la varianza de una variable aleatoria X con distribucin

exponencial son:

La distribucin exponencial es un caso particular de distribucin

gamma con k = 1. Adems la suma de variables aleatorias que siguen una
misma distribucin exponencial es una variable aleatoria expresable en
trminos de la distribucin gamma.