T EORIA DE P ROBABILIDAD

CENTRO UNIVERSITARIO DE CIENCIAS EXACTAS E INGENIERIAS

LIC. EN MATEMATICAS
DISTRIBUCION GAMMA
ADRIANA YESLIN LOZANO MARQUEZ
CODIGO: 208561753
23 de mayo de 2016

Resumen
Algunas variables aleatorias son siempre no negativas y por varias razones dan distribuciones de datos que esta sesgadas (no simetricas) a la
ubiderecha. Esto es, casi toda el area bajo la funcion de densidad estA
cada cerca del origen y la funcion de densidad cae gradualmente conforme
y aumenta.

1.

Definicion

Se dice que una variable aleatoria Y tiene una distribucion gamma con parametros > 0 y > 0 si y solo si la funcion de densidad de Y es

x1 e
,0 x <
f (x) =
()

0 , en cualquier otro punto

Siendo r Rt

X r1 ex , dx

(r) =
0

La cantidad (r) se conoce como funcion gamma. La integracion directa verificara que (1) = 1. La integracion por partes verifica que
(r)= (r-1) (r 1) para cualquier r > 1 y que (n)(n 1)!, siempre que n
sea un entero.

2.

Demostracion
(r) = ex X r1 | + (r 1)

= (r 1)

R
0

X r2 ex = (r 1)

R
0

X r2 ex dx

X r1 ex

= (r 1) (r 1)

R
0

X (r1)1 ex dx

Si integramos sucesivamente = (r 1) (r 1)
= (r 1)(r 2) (r 2)
= (r 1)(r 2)(r 3) (r 3)
.
.
= (r 1)(r 2)(r 3) (1)
= (r 1)(r 2)(r 3)..,1
= (r 1)!
r Z+
Para enteros negativos la funcion no existe.

3.

Demostracion

0 x

(1) =

X e

dx =

ex dx = ex |
0 = (1) = 1

f (x) =

r ex xr1
(r)

Denotado como (, r)

4.

Esperanza de Gamma
E(x) =

Xf (x)dx =

r
(r)

r
(r)

1
(r)

1
r t
(r) [t e |0

r
(r) (r)

xr ex xr1
dx
(r)

ex X r dx
et ( t )r dt

R
0

et tr dt

+r

R
0

et tr1 dt]

5.

Varianza
V ar(x) = E(x2 ) E 2 (x) =

E(x2 ) =

R
0

R
0

r ex xr+1
dx
(r)

r r x r+1
x
r e

(r)

r(r+1)
2

r(r+1)
2

r(r+1)
2

dx

r+1 ex xr+1
dx
r (r)

r+1 ex xr+1
dx
(r+1)

6.

r2 + r r2
r
= 2 2
2

x2 r ex xr1
dx
(r)

r2
r(r + 1)

=
2
2

r+2 ex xr+1
(r+1) (r+1) dx
r+2 ex xr+1
dx
(r+2)

Generadora de Momentos
x (t) =

R
0

ext

r
(r)

r
(r)

r
(r)(t)r

r
(r)(t)r (r)

r x

X r1
dx
(r)

ex(t) X r1 dx
y r1 dy
ey ( t
)
t

R
0

ey y r1 dy
=

r
(t)r

) = x (t) = r ( t)r
= ( t

t<

7.

EJEMPLO

En una ciudad se observa que el consumo diario de energia (en millones de

kilowatt-hora) es una variable aleatoria que sigue una distribucion gamma con
parametros = 3 y = 2. Si la planta de energia que suministra a la ciudad
tiene una capacidad diaria de generar un maximo de 12, cual es la probabilidad
de que haya un dia donde no se pueda satisfacer la demanda?

f (x) =

x
1
X 1 e
()

Donde,
= 3 = 2

() = (n 1)! = (3) = (3 1)! = 2

De forma que,
f (x) =

1 2 x
x e 2
23 2

La probabilidad de que exista 1 exceso,

f (1) = P (x 1) =

1
23 2

u31 e

u
2

Resolviendo la integral la probabilidad obtenida es,

=

1
(16 26 e0,5 ) = 0,01438
16

du