Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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
1
UNIVERSIDAD TECNOLGICA EQUINOCCIAL
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
(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 ,
1
UNIVERSIDAD TECNOLGICA EQUINOCCIAL
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 /
2
- Curtosis relativa: 3 (1 + )
1
UNIVERSIDAD TECNOLGICA EQUINOCCIAL
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
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
()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,
( ) =
() =
Que es la funcin de la densidad de la distribucin exponencial con = 1/
1
UNIVERSIDAD TECNOLGICA EQUINOCCIAL
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
1
UNIVERSIDAD TECNOLGICA EQUINOCCIAL
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
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
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