DISTRIBUCIÓN BETA

JUSTIN CAMILO BECERRA ARIAS

1092525228

GABRIEL ALEJANDRO BERNAL C.

1127336124

ESTADÍSTICA Y PROBABILIDAD

CAROLINA VARGAS CONTRERAS

UNIVERSIDAD DE PAMPLONA

CÚCUTA, NORTE DE SANTANDER

2021
 DISTRIBUCIÓN BETA

La distribución beta es una familia de distribuciones de probabilidad continuas definidas

en el intervalo (0,1) parametrizada por dos parámetros positivos de forma, denotados

por  y , que aparecen como exponentes de la variable aleatoria y controlan la forma de

la distribución.

La distribución beta (B (x; p, q, a=0, b=0) B (x; p, q, a=0, b=0)) posibilita representar una

variedad de formas distribucionales en el intervalo entre cero a uno. Si se cambia los

límites aa y bb y la escala, las cotas del intervalo [a, b] [a, b] se expanden a cualquier

intervalo que esté dentro de [0,∞]

[0,∞], i.e. a∈{R+,0}a∈{R+,0} y b∈{R+}b∈{R+} con a<b.

Función de distribución probabilidad beta del primer tipo

La función de distribución de probabilidades que está acotada entre cero y uno es la más

básica de las distribuciones Beta y tiene dos parámetros de forma únicamente, ya que los

límites están bien definidos entre cero y uno. A esta función se la denomina función de

distribución beta del primer tipo o beta estándar y está definida como:

La función Γ(α) es la Integral Gamma dada por

 ∞
Γ ( α )=∫ uα −1 exp−α du=(α−1) Γ (α −1)
0

Hay representaciones para la solución de la función Γ(α)Γ(α): la de Euler, la del producto

de Weierstrass y la expansión de Stirling (Vea [Korn and Korn, 1968]).

La Integral Beta es la razón de

Γ ( p)Γ (q)
B ( p , q )=
Γ ( p+ q)

Los parámetros de forma p y q definen tres características intuitivas de la respuesta de la

forma, que son las siguientes (tomado de Hahn and Shapiro, 1967).

1. Cuando p>1p>1 y q>1q>1 la distribución tiene un solo alto valor de frecuencia en el

punto

p−1
x=
p +q−2

2. Cuando p<1p<1 y q<1q<1 la distribución tiene forma de U.

3. Cuando p<1p<1 y q≥1q≥1 la distribución es de la forma J reflejada.

4. Cuando p≥1p≥1 y q<1q<1 la distribución es de la forma de J.

5. Cuando p=qp=q la distribución es simétrica, habiendo un caso especial

cuando p=q=1p=q=1.

La función beta se puede programar según su definición (Ec. 1) en un lenguaje matemático

de programación como en Octave con base a una función de integral beta (beta(p,q)) ya

definida previamente, del siguiente modo.

y = 1 / beta (p, q) * x^ (p - 1) * (1 - x) ^ (q -1);

En Octave está definida mediante la función beta de (x, p, q) que da el mismo resultado que

el de arriba.

La función de distribución acumulada de probabilidades de Beta para el primer tipo, i.e. dos

parámetros es la siguiente.

0 , para x< 0

{ x
F ( x , p , q )= Γ (p +q) ∫ t p−1 (1−t )q−1 dt , para 0 ≤ x ≤ 1,0< p <q ;
Γ ( p) Γ ( q) 0
1, x >1

Para encontrar los valores de la distribución de probabilidades acumulada según la

definición, en Octave se resuelve la integral de forma numérica con la función quad previa

definición del integrando mediante con una función anónima. Por ejemplo, para encontrar

la CDF en el valor de x=0.6x=0.6 con los parámetros de forma de p=1p=1 y q=2q=2, se

codifica del siguiente modo

p = 1; q = 2;

x = 0.6;

f = @(x) 1 / beta(p, q) * x^(p - 1) * (1 - x)^(q - 1);

q1 = quad(f, 0, x);
Función de distribución probabilidad beta general

La función de distribución de probabilidades beta general se llama también distribución

beta de cuatro parámetros, porque añade los dos parámetros de los límites (parámetros de

localización) a los parámetros de forma. La expresión es la siguiente.

Del mismo modo que para el caso de la función beta del primer tipo, los parámetros de

forma p y q definen tres características intuitivas de la respuesta de la forma, que son las

siguientes.

1. La localización del valor máximo con respecto de los extremos 

localización del máximo está en  .

2. El sesgo (i.e. skewness) de la respuesta, que se define por la relación 

mientras mayor es la diferencia entre p y q mayor es la asimetría, mayor es el sesgo;

y en el caso especial cuando p=q, la respuesta es simétrica.

3. La curtosis (i.e. curtosis) de la respuesta, que se describe por los valores absolutos

de los parámetros p y q.

Transformación de la función del primer tipo (estándar) a la general.

La mayoría de los lenguajes de programación resuelven la función beta del primer tipo

(i.e. función estándar), como lo es en el caso de Octave. Sin embargo, toda función de

distribución en general puede expresarse en términos de su homóloga estándar, tras

modificar su localización con a y su escala con (b−a).

Para la función beta que por ahora interesa: la función de densidad de probabilidades

acotada entre a y b es igual a la (b−a)-enésima parte la misma función estándar de una

variable transformada.

Es decir
Del mismo modo, para la función de distribución acumulada

Para la función cuantil

Finalmente, para la generación de número aleatorios, se tiene que

Con la evaluación de la función beta estándar con u, el promedio y la desviación estándar

de los valores de x son respectivamente

donde son de forma respectiva: el promedio y la varianza de la distribución beta

estándar con parámetros p y q , dados por