Distribuciones Gamma y Exponencial

(Secc. 6.6 p. 194 Walpole & Myers)

1. El siguiente video explica el origen de la función Gamma:

Función gamma: ¿Qué es?, Propiedades, ¿Cómo se calcula el factorial de una fracción?
https://youtu.be/l7xdVWvpdiU
a. Cómo se obtiene el factorial de una fracción?
b. Resuma cómo se construye la famosa integral que define la función Gamma
∞

𝛤(α) = ∫ 𝑥 ∝−1 𝑒 −𝑥 𝑑𝑥, ∝>0

0
2. La función Gamma tiene 4 propiedades. Haga el cálculo para demostrar cada una de ellas
a. 𝛤(1) = 1
b. 𝛤(𝑡 + 1) = 𝑡𝛤(𝑡), 𝑡 ϵ 𝑹 [forma alterna: 𝛤(𝑡) = (𝑡 − 1)𝛤(𝑡 − 1)]
c. 𝛤(𝑛 + 1) = 𝑛! , 𝑛 ϵ 𝑵 [forma alterna: 𝛤(𝑛) = (𝑛 − 1)!]
d. 𝛤(1/2) = √𝜋
(video guía: Función GAMMA (Propiedades y Ejercicios | Demostración)
https://youtu.be/hEc5_nAqBOE)

3. En la p. 195 se encuentra la definición de distribución Gamma y un gráfico con algunos

trazos para β = 1 (video guía: Distribución Gamma video https://youtu.be/P75XX-xBeqg)
Resuelva el siguiente problema:
Suponga que el tiempo (en horas) necesario para reparar una bomba de calor es una
variable aleatoria X que tiene una distribución Gamma con los parámetros α = 2 y β = ½.
Calcule la probabilidad de que la siguiente llamada de servicio requiera:
a. A lo sumo una hora para reparar la bomba de calor
b. Al menos dos horas para reparar la bomba la bomba de calor
4. En el caso particular cuando α = 1, β > 0, se obtiene la distribución Exponencial
(video guía: Distribución exponencial, ejemplo aplicando la distribución exponencial
https://youtu.be/u1WiazG6Z5s)
Resuelva el siguiente problema:
Suponga que el tiempo entre arribos de los taxis disponibles a un paradero en hora pico
tiene una distribución exponencial con media de 10 minutos
a. Cuál es la probabilidad de que una persona que esté en el paradero tenga que esperar
más de una hora para tomar un taxi?
b. Suponga que la persona ya esperó una hora. Cuál es la probabilidad de que llegue un
taxi en los siguientes 10 minutos?
c. Determine x, de modo tal que la probabilidad de que la persona espere más de x
minutos para tomar un taxi sea de 0.1
5. En la p. 196 se explica la relación de la distribución exponencial con el proceso de Poisson
(video guía: Conexión entre Probabilidad Poisson y la distribución Exponencial
https://youtu.be/pxXauOP2HNg)
Resuelva el siguiente problema:
La vida (en cientos de horas) de ciertos tubos electrónicos sigue una distribución
exponencial de media 40
a. Sabiendo que un tubo electrónico de este tipo ha funcionado al menos 3000 horas,
determinar la probabilidad de que no falle después de las 2000 horas siguientes
b. Un aparato contiene 100 de estos tubos y para su funcionamiento al menos 25 de
estos tubos deben de estar activos, determinar la probabilidad de que el aparato
funcione después de las 6000 horas
c. Cuando un tubo falla es reemplazado por otro nuevo, con lo cual, el número de
renovaciones de tubos electrónicos cada 100 horas puede considerarse como una
distribución de Poisson de media 40. Determinar la probabilidad de que haya que
renovar exactamente 3 tubos electrónicos en un lapso de 5 horas