UNIVERSIDAD TECNOLGICA EQUINOCCIAL

Facultad de Ciencias de la Ingeniera e Industrias

Asignatura: Estadstica y Probabilidad Nombre: Manuel Cuenca

Carrera: Ingeniera Automotriz Fecha presentacin informe: 2017/06/28
Nivel y paralelo: 4 A Informe N: 1
DISTRIBUCION GAMMA, EXPONENCIAL Y CHI CHUADRADA

1. OBJETIVOS:
OBJETIVO GENERAL:
Investigar sobre las distribuciones gamma, exponencial y chi cuadrada.
OBJETIVOS ESPECIFICOS:
Aplicar los ejemplos de cada distribucin de probabilidades
Reconocer las frmulas de cada distribucin con la media y la varianza
2. INTRODUCCIN:
La distribucin gamma deriva su nombre de la bien conocida funcin gamma, que se
estudia en muchas reas de las matemticas.
La variable aleatoria continua X tiene una distribucin gamma, con parmetros y ,si su
funcin de densidad est dada por

Donde > 0 y > 0.

La distribucin gamma especial para la que = 1 se llama distribucin exponencial.
La distribucin exponencial se define como La variable aleatoria continua X tiene una
distribucin exponencial, con parmetro , si su funcin de densidad es dada por

Donde > 0.
La media y la varianza de la distribucin gamma son = y 2 = 2
La media y la varianza de la distribucin exponencial son = y 2 = 2
La distribucin chi cuadrada es muy importante de la distribucin gamma se obtiene al
permitir que = v/2 y = 2, donde v es un entero positivo. Este resultado se conoce como
distribucin chi cuadrada. La distribucin tiene un solo parmetro, v, denominado grados de
libertad. Se define como la variable aleatoria continua X tiene una distribucin chi cuadrada,
con v grados de libertad, si su funcin de densidad es dada por

Donde v es un entero positivo. La media y la varianza de la distribucin chi cuadrada son

= v y 2= 2v.

1
 UNIVERSIDAD TECNOLGICA EQUINOCCIAL

Facultad de Ciencias de la Ingeniera e Industrias

3. METODOLOGA:
DISTRIBUCION GAMMA
La funcin gamma () se define como el concepto de factorial a los nmeros complejos.
Fue presentad, en primera instancia, por Leonard Euler entre los aos 1730 y 1731. La
funcin gamma () se define:
Sea : (0, ) , donde

() = 1 , para > 0
0

Con el fin de observar algunos resultados o propiedades de esta funcin, procederemos a

integrar por partes. Tomando = 1 y = , obtenemos

() = 1 |
0 + ( 1)
2
= ( 1) 2
0 0
Para > 1, lo cual ocasiona la frmula () = ( 1)( 1)
Al aplicar reiteradamente la frmula anterior tendramos,
() = ( 1)( 2)( 2) = ( 1)( 2)( 3)( 3)
Y as sucesivamente. Se evidencia que cuando = , donde es un entero positivo,
() = ( 1)( 2) (1)

Sin embargo, por la definicin de (), (1) = 0 = 1 y de aqu () = ( 1)!
Algunas propiedades adicionales de () son:
( + 1) = !
( + 1) = (), > 0

(1/2) =
Estas propiedades sern de utilidad en las distribuciones gamma y esperanza y varianza.
Distribucin Gamma
Es como una generalizacin de la distribucin exponencial, adems de la distribucin de
Erlang y la distribucin y la distribucin Ji-cuadrada. Es una distribucin de probabilidad
continua adecuada para modelizar el comportamiento de variables aleatorias con asimetra
positiva y/o los experimentos en donde est involucrado el tiempo. Se define como:
Una variable aleatoria X tiene una distribucin gamma si su funcin de densidad est
dada por:
1
1 / , >0; ,>0
()
(, , ) = {0 ,

La funcin f es una funcin de densidad

1
 UNIVERSIDAD TECNOLGICA EQUINOCCIAL

Facultad de Ciencias de la Ingeniera e Industrias

Demostracin

Debemos probar que () = 1. Para este caso (, , ) = 1.
1 0 1
De esta manera, (, , ) = () 1 / = () 1 / +
1
0 1 /
()

0 1
Pero segn la definicin de (, , ), 1 = 0
()

1 1
As, (, , ) = 0 ()
1 / = () 0 1 /

Realizamos el siguiente cambio de variable. Sea = /, entonces = , as = .

Por lo cual tendramos

1 1 /
1 1
1
= () = 1
() 0 () 0 () 0

1
= 1
() 0

Ahora bien, recordemos que : (0, ) , donde (): 0 1 , > 0.
1 1
As,
()
0 1 = () () = 1.

Por tanto es una funcin de densidad.

La funcin de distribucin acumulativa de gamma F(x), la cual permite determinar la
probabilidad de que una variable aleatoria de gamma X sea menor a un valor especfico x,
1
se determina de la siguiente expresin: () 0 1 / , > 0

Propiedades de la distribucin gamma

Podemos presentar las siguientes propiedades:
Los valores de la esperanza E(X) y la varianza var(X), se determinan mediante
() =
() = 2
Los factores de forma de la distribucin gamma son:
2
- Coeficiente de asimetra:

2
- Curtosis relativa: 3 (1 + )

- Con lo anterior se puede observar que la distribucin gamma es leptocurtica y

tiene un sesgo positivo. Tambin observamos que conforme el parmetro
crece, el sesgo se hace manos pronunciado y la Curtosis relativa tiende a 3.

1
 UNIVERSIDAD TECNOLGICA EQUINOCCIAL

Facultad de Ciencias de la Ingeniera e Industrias

La funcin generadora de momentos de la variable aleatoria gamma X est dada por

() = (1 ) , 0 < 1/
El primer parmetro () sita la mxima intensidad de probabilidad y por este motivo es
denominada la forma de la distribucin. Cando se toman valores prximos a ceros
aparecen entonces un dibujo muy similar al de la distribucin exponencial. Cuando se
toman valores grandes de , el centro de la distribucin se desplaza a la derecha, por
lo que va apareciendo la forma de la campana de Gauss con asimetra positiva. El
segundo parmetro () es el que determina la forma o alcance de la asimetra positiva
desplazando la densidad de probabilidad en la cola de la derecha. Para valores elevados
de la distribucin acumula ms densidad e probabilidad en el extremo derecho de la
cola, alargando mucho su dibujo y dispersando la probabilidad a lo largo del plano. Al
dispersar la probabilidad la altura mxima de densidad de probabilidad se va
reduciendo; de aqu se le denomine escala. Valores ms pequeos de conducen a
una figura ms simtrica y concentrada, con un pico de densidad de probabilidad ms
elevado. Una forma de interpretar es tiempo promedio entre ocurrencia de un
suceso.
Dadas dos variables aleatorias X y Y con distribucin gamma y parmetro comn.
Esto es
: (, 1 ) (, 2 )
Se cumplir que la suma tambin sigue una distribucin gamma
+ : (, 1 + 2 )
Relacin con otras distribuciones:
- Si tiene un parmetro de valores elevados y pequea, entonces la funcin
gamma converge con las distribucin normal. De media = , y varianza
2 = 2.

- Cuando la proporcin entre parmetros es [ = 2 : = ] entonces la variable
aleatoria se distribuye como una Chi-cuadrado con v grados de libertad
1
- Si = 1, entonces se tiene la distribucin exponencial de parmetro =

De esta forma, la distribucin gamma es una distribucin flexible para modelizar las
formas de la asimetra las formas de la asimetra positiva, de las ms concentradas y
puntiagudas. A las ms dispersas y achatadas.
Para valorar la evolucin de la distribucin al variar los parmetros se tienen los siguientes
grficos. Primero se comprueba que para = 1 la distribucin tiene similitudes con la
exponencial.
Esperanza E(X) y Varianza Var(X)
Podemos observar la demostracin de estas afirmaciones:

1
 UNIVERSIDAD TECNOLGICA EQUINOCCIAL

Facultad de Ciencias de la Ingeniera e Industrias

La esperanza de la distribucin gamma est dada por () =

Demostracin

1 1 /
1
() = ( ) = = /
0 () () 0

Ahora bien, sea = /, entonces = , as = , as

1
( + 1) ()
() =
() = = = =
() 0 () 0 () ()

La varianza de la distribucin gama est dada por () = 2 . Al igual que para la

distribucin de Poisson tenemos () = ( 2 ) [ ()]2 .
Demostracin

1 1
( 2 ) = 2 ( ) = 2 1 /
= +1 /
0 () () 0

Ahora bien, sea = /, entonces = , as = , as

2)
1 +1
2
+1
2 ( + 2)
( = () = =
() 0 () 0 ()
2 (
+ 1)()
= = ( + 1) 2
()
Con esto
() = ( 2 ) [ ()]2 = ( + 1) 2 [ ]2 = 2 2 + 2 2 2 = 2

DISTRIBUCION EXPONENCIAL
La distribucin exponencial es utilizada para determinar la probabilidad de que en cierto
tiempo suceda un determinado evento. Se define como una variable aleatoria X tiene un
distribucin exponencial si su funcin de densidad est dada por

, >0; >0
(, ) = {0,
Donde es igual a 1/
De este modo, se puede interpretar a la distribucin exponencial como el lapso que
transcurre hasta el primer evento de Poisson. De hecho, las aplicaciones ms relevantes
de la distribucin exponencial son situaciones en donde se aplica el proceso de Poisson.
La relacin entre la distribucin exponencial y la distribucin de Poisson la podemos
observar de la siguiente manera. Recordemos que la distribucin de Poisson es una

1
 UNIVERSIDAD TECNOLGICA EQUINOCCIAL

Facultad de Ciencias de la Ingeniera e Industrias

distribucin con un solo parmetro donde representa el nmero medio de eventos

por unidad de tiempo.
Ahora puede considerar la variable aleatoria X descrita por el tiempo que se requiere para
que ocurra el primer evento. Haciendo uso de la distribucin de Poisson, encontramos que
la posibilidad de que no ocurra algn evento, en el periodo hasta el tiempo t est dada por

()0
(0, ) = ( = 0) = =
0!
As podemos utilizar lo anterior y hacer que X sea el tiempo para el primer evento de
Poisson. La probabilidad de que la duracin del tiempo hasta el primer evento exceda x es
la misma que la probabilidad de que no ocurra algn evento de Poisson en x. esto ltimo,
por eso est dado por como resultado,

( ) =

As la funcin de distribucin acumulada para X est dada por

(0 ) = 1
Al fin reconozcamos la presencia de la distribucin exponencial, podemos diferenciar la
funcin de distribucin acumulada anterior para obtener la funcin de densidad

() =
Que es la funcin de la densidad de la distribucin exponencial con = 1/

La media y la varianza de la distribucin exponencial son

=
2 = 2
De ah podemos observar la figura que se muestran graficas de varias distribuciones gamma
para ciertos valores especficos de los parmetros .
La distribucin gamma especial para la que = 1 se llama distribucin exponencial.

1
 UNIVERSIDAD TECNOLGICA EQUINOCCIAL

Facultad de Ciencias de la Ingeniera e Industrias

DISTRIBUCION CHI CHUADRADA

Otro caso especial muy importante de la distribucin gamma se obtiene al permitir que =
v/2 y = 2, donde v es un entero positivo. Este resultado se conoce como distribucin chi
cuadrada. La distribucin tiene un solo parmetro, v, denominado grados de libertad.
La variable aleatoria continua X tiene una distribucin chi cuadrada, con v grados de libertad,
si su funcin de densidad es dada por
1 /21 /2 ,>0


22 ( )
(; ) = {0, 2
Donde v es un entero positivo.
La distribucin chi cuadrada desempea un papel fundamental en la inferencia estadstica.
La distribucin chi cuadrada es un componente importante de la prueba estadstica de
hiptesis y de la estimacin estadstica. Los temas en los que se trata con distribuciones de
muestreo, anlisis de varianza y estadstica no paramtrica implican el uso extenso de la
distribucin chi cuadrada.
La media y la varianza de la distribucin chi cuadrada son
=
2 = 2

4. RESULTADOS Y DISCUSIN:

DISTRIBUCION GAMMA

1. En una ciudad se observa que el consumo diario de energa (en millones de kilowatt-
hora) es una variable aleatoria que sigue una distribucin gamma con parmetros = 3
y =2. Si la planta de energa que suministra a la ciudad tiene una capacidad diaria de
generar un mximo de 12, cul es la probabilidad de que haya un da donde no se
pueda satisfacer la demanda?

Solucin

1
1
() =
()
Donde
= 3, = 2
() = ( 1)! = (3) = (3 1)! = 2
De forma que,
1
() = 31 2
23 (2)
La probabilidad de que exista 1 exceso
1
1
(1) = ( 1) = 3
31 2 =
2 (2) 0

Resolviendo la integral, la probabilidad obtenida es:

1
= (16 26 0.5 ) = 0.01438
16

1
 UNIVERSIDAD TECNOLGICA EQUINOCCIAL

Facultad de Ciencias de la Ingeniera e Industrias

2. Suponga que un sistema contiene cierto tipo de componente cuyo tiempo de operacin
antes de fallar, en aos, est dado por T. La variable aleatoria T se modela bien
mediante la distribucin exponencial con tiempo medio de operacin antes de fallar =
5. Si se instalan 5 de estos componentes en diferentes sistemas, Cul es la
probabilidad de que al final de 8 aos al menos dos an funcionen?

Solucin

1
( > 8) = /5 = 8/5 0.2
5 8
Y luego utilizamos la distribucin binomial:
5 1

( 2) = (; 5; 0.2) = 1 (; 5; 0.2) = 1 0.7373 = 0.2627

=2 =0

DISTRIBUCION EXPONENCIAL

1. En promedio, por un parador de buses poco transitado, pasan 3 buses por hora,
distribuidos segn un proceso Poisson. Cul es la probabilidad de tener que esperar
un bus ms de 20 minutos?

Solucin: La llegada de los buses al parador se distribuye segn Poisson. Sea la variable
aleatoria que representa el tiempo de espera hasta llegar un (o el primer) bus. Entonces:
3 3
= = = 0.05
1 60
As, X: Exp ( = 0.05), y

( > 20) = = lim (0.05) 0.05 = 0.3678
20 20
Por tanto, la probabilidad de esperar la llegada de un bus por ms de 20 minutos es del
36,8% aproximadamente.

2. En una tela, las fallas se distribuyen segn un proceso Poisson, a razn de 1 falla cada
15 metros. Cul es la probabilidad de que la distancia entre la 4 falla y la 5 falla sea
mayor a un metro?
Solucin: La distancia entre dos fallas consecutivas (sean stas la 4a y 5a la u otras dos
consecutivas cualesquiera) es una variable exponencial con = 1/15:

( > 1) = = lim (1/15) 1/15 = 0.9355
1 20

Por tanto, hay una probabilidad de 93.55% de que la distancia entre 4 y 5 la falla sea
mayor a un metro.

1
 UNIVERSIDAD TECNOLGICA EQUINOCCIAL

Facultad de Ciencias de la Ingeniera e Industrias

DISTRIBUCION CHI CUADRADA

1. Se desea conocer el valor de la ley x2 a 4 g.l. para el cual el rea en el extremo

superior es igual a 0,025.
2 (4) = 11.14 con la ayuda de la tabla de distribucin Chi cuadrada
Solucin: se busca 0.025
Esto quiere decir que el rea ala derecha del valor t=11.14 de la ley x2 con 4 g.l. es igual a
0.025: P(x2>11.14) =0.025

2. Con el empleo de la tabla de la ley de x2 localice los siguientes valores y

represntelos, aproximadamente:
2 (9)=
a) 0.95 3.33
2 (12)=
b) 0.99 3.57
2 (20)= 34.17
c) 0.025
2 (16)=26.30
d) 0.05

5. CONCLUSIONES:
Generalmente conocemos el valor de (la cantidad esperada de eventos por unidad de
tiempo), y entonces nos preguntamos cuntos eventos obtendremos en una
determinada cantidad de tiempo, o cunto tiempo tendremos que esperar hasta
observar una determinada cantidad de eventos.
La distribucin Gamma: consiste en preguntar por la cantidad de tiempo necesario hasta
observar k eventos. Es decir, dado , calcular la distribucin de T
La distribucin Exponencial: caso particular de Gamma cuando k=1, es decir, consiste
en preguntar por la cantidad de tiempo necesaria hasta obtener el primer evento.
La distribucin chi cuadrada es un componente importante de la prueba estadstica de
hiptesis y de la estimacin estadstica. Los temas en los que se trata con
distribuciones de muestreo, anlisis de varianza y estadstica no paramtrica implican
el uso extenso de la distribucin chi cuadrada.

6. RECOMENDACIONES:

Para la distribucin chi cuadrada debe utilizar con las tablas de distribucin chi
cuadrada para poder resolver los problemas de aplicacin.
Tienen que darse en cuenta que los datos de cada aplicacin deben estar pendientes
para cada problema.

7. BIBLIOGRAFA:
Canavos G. C. Probabilidad y Estadstica. Aplicaciones y Mtodos. Traduccin de
Edmundo G. Urbina M. McGraw- Hill. Mxico, 1988.
Walpole R. E., Myers R. H., Myers S. L. Probabilidad y Estadstica Para Ingenieros.
Traduccin de Ricardo Cruz. Prentice-Hall, Inc. Mxico, 1999.

1
 UNIVERSIDAD TECNOLGICA EQUINOCCIAL

Facultad de Ciencias de la Ingeniera e Industrias

Gomz E., Sarabia J. M., Prieto F. La Distribucin Poisson- Beta: Aplicaciones Y

Propiedades En La Teora Del Riesgo Colectivo. Tomado desde:
<http://www.actuarios.org/espa/anales/2009/ Pag%20141-160.pdf>, [Acceso el 5 de
agosto de 2013].
Ecos de la economa. Distribucin Gamma. Tomado desde:
<http://ecosdelaeconomia.files.wordpress.com/2011/05/ distribucion-gamma.pdf>,
[Acceso el 5 de agosto de 2013].
MonteroJ. Ma. Estadstica Descriptiva. International Thomson Editores. Espaa. 2007.