Instituto Tecnológico de Puebla

DISTRIBUCIÓN GAMMA
Y EXPONENCIAL
Alumno: Sandoval Paredes Johan Isaac
Matrícula: 20220735
 Distribución Gamma
Es una distribución adecuada para modelizar el comportamiento de variables
aleatorias continuas con asimetría positiva. Es decir, variables que presentan una
mayor densidad de sucesos a la izquierda de la media que a la derecha. En su
expresión se encuentran dos parámetros, siempre positivos, (α) y (β) de los que
depende su forma y alcance por la derecha, y también la función Gamma Γ(α),
responsable de la convergencia de la distribución.

Uso

La distribución gamma se utiliza comúnmente en estudios de supervivencia de

fiabilidad. Por ejemplo, la distribución gamma puede describir el tiempo que
transcurre para que falle un componente eléctrico. La mayoría de los componentes
eléctricos de un tipo particular fallará aproximadamente en el mismo momento, pero
unos pocos tardarán más en fallar.
 Parámetros

: Sitúa la máxima intensidad de probabilidad y por este motivo en algunas fuentes se denomina
“la forma” de la distribución, cuando se toman valores próximos a cero aparece entonces un
dibujo muy similar al de la distribución exponencial. Cuando se toman valores más grandes de (α)
el centro de la distribución se desplaza a la derecha y va apareciendo la forma de una campana de
Gauss con asimetría positiva.

β: determina la forma o alcance de esta asimetría positiva desplazando la densidad de

probabilidad en la cola de la derecha. Para valores elevados de (β) la distribución acumula más
densidad de probabilidad en el extremo derecho de la cola, alargando mucho su dibujo y
dispersando la probabilidad a lo largo del plano. Valores más pequeños de (β) conducen a una
figura más simétrica y concentrada, con un pico de densidad de probabilidad más elevado.
 Ejemplos de gráficas
Cuando varia 𝛽 Cuando varia 𝛼
 Definición
Una variable aleatoria X tiene una distribución Gamma y se conoce como
variable aleatoria Gamma, sí y solo sí su densidad de probabilidad está
dada por:

para 𝑥>0 Donde 𝛼 > 0 y 𝛽 > 0

Que se refiere a que
todos sus valores
→ sean positivos
𝑓 𝑥 =0 para cualquier otra parte

Función de distribución Gamma =

Media Varianza

𝜇 = 𝛼𝛽 𝜎 2 = 𝛼𝛽 2
 Ejemplos
En cierta ciudad el consumo diario de energía eléctrica, en millones de kilovatios por hora puede
considerarse como una variable aleatoria con distribución Gamma de parámetros 𝛼 = 3 y 𝛽 =
0.5. La planta de energía de esta ciudad tiene una capacidad diaria de 10 millones de KW/hora,
¿Cuál es la probabilidad de que este abastecimiento sea:

a)Insuficiente en un día cualquiera

b) Se consuman entre 3 y 8 millones de KW/hora

El tiempo en horas que semanalmente requiere una maquina para
mantenimiento es de una variable aleatoria con distribución Gamma con
parámetros = 3 y 𝛽 = 2. Encuentre la probabilidad que en alguna semana
el tiempo de mantenimiento sea mayor a 8 horas.
Respuesta
Sea x duración del mantenimiento en horas, su densidad de probabilidad es:
Probabilidad de que el tiempo de mantenimiento sea mayor a 8 horas:

P(x > 8) =
 Distribución exponencial
La distribución exponencial se usa para modelar el tiempo entre eventos en un proceso
continuo de Poisson. Se presupone que eventos independientes ocurren a una tasa
constante.

Esta distribución tiene una amplia gama de aplicaciones, que incluyen el análisis de
fiabilidad de productos y sistemas, teorías de colas y cadenas de Markov.

Por ejemplo, la distribución exponencial se puede utilizar para modelar: Cuánto tiempo
tarda en fallar un componente electrónico

• El intervalo de tiempo entre las llegadas de clientes a una terminal

• El tiempo que esperan los clientes en fila hasta recibir servicio

• El tiempo hasta que se declara el incumplimiento de un pago (modelos de riesgo de

crédito).

• El tiempo para desintegración de un núcleo radiactivo

Característica importante
 La función de densidad exponencial
depende del parámetro λ que es la tasa
de fallo o numero de fallos por unidad de
tiempo y está dada de la forma:

𝑓 𝑥 = λ𝑒 −λ𝑥 si 𝑋 > 0
𝑥 =0 en otro caso

𝑥
𝐹 𝑥 = 𝑃(𝑋 ≤ x) = ‫׬‬−∞ 𝑓 𝑢 𝑑𝑢

1
0 𝑆𝑖 𝑋 ≤ 0 𝐸 𝑥 = μ=λ
f(x) =
1
1 − 𝑒 −λ𝑥 𝑆𝑖 𝑥 > 0 𝜎2 =
λ2
Ejemplos
El tiempo que transcurre entre la ocurrencia de un temblor y el siguiente temblor
tiene una media de 6 meses.

Suponiendo una distribución exponencial para los tiempo de interocurrencia, calcule

la probabilidad de que no ocurra ningún temblor en los siguientes 6 meses.

Respuesta
𝑥 = el tiempo de interocurrencia
1 1
μ= = 6 meses λ=
λ 6

P(x > 6) = 1 – P(x ≤ 6) = 1 − (1 − 𝑒 −λ(6) ) = 𝑒 −1 = 0.3678

Se ha observado que en cierta colonia se producen en promedio, 50 incendios serios cada
año. Suponemos que estos incendios se producen de forma independiente y decidimos
modelar el número de incendios por año mediante una distribución Poisson.

¿Cuál es el tiempo medio que transcurre entre dos incendios consecutivos?

Si acaba de ocurrir un incendio ¿cuál es la probabilidad de que el próximo se produzca al

cabo de dos semanas?

Respuesta:

El número de incendios por año λ = 50.

El tiempo entre dos incendios λ = 50.

El tiempo medio entre dos incendios μ = 1/λ = 1/50 años, 7.3 días.

Dos semanas, en años son: 2·7/ 365 = 0.03836,

P(X > 0.03836) = 1 − P[X ≤ 0.03836] = 1 − (1 − e−50·0.03836) = 0.147.

Referencias
• levisandro. (s. f.). Distribución gamma. Recuperado 15 de mayo de 2021, de
https://es.slideshare.net/LEVISANDRO/distribucin-gamma

• Distribución exponencial - Minitab. (s. f.). Recuperado 15 de mayo de 2021, de

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/distributions/exponential-distribution/

• Mary Salm. (2013, 15 noviembre). Distribucion Gamma video [Archivo de vídeo].

Recuperado de https://www.youtube.com/watch?v=P75XX-xBeqg

• Métodos y fórmulas para la Distribuciones de probabilidad - Minitab. (s. f.). Recuperado

15 de mayo de 2021, de https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/probability-distributions-and-random-data/how-to/probability-distributions/methods-
and-formulas/methods-and-formulas/