Distribucin Gamma
Historia
Su aparicin se debe cuando Leonard Euler (1707-1783) escribi una carta a Christian
Goldbach en el ao de 1729 en la que hacia referencia a una funcin. Posteriormente
Adrian Maria Legendre (1725-1833) propuso llamar esta funcin gamma.
Definicion
Funcion Gamma
Es una funcin que extiende el concepto de factorial a los nmeros complejos. Fue
presentada, en primera instancia, por Leonard Euler entre los aos 1730 y 1731. La
funcin gamma se define,
Sea (0,) R donde:
( )= x 1 ex dx
0
para >0
Con el fin de observar algunos resultados o propiedades de esta funcin, procederemos a
u=x
integrar por partes. Tomando
, obtenemos
( )=[ e x
x
I ] 0, + ex ( 1 ) x 2 dx
0
( 1 ) x 2 ex dx
0
Para > 1, lo cual ocasiona la formula
( )=( 1 ) ( 1)
Al aplicar reiteradamente la frmula anterior tendramos,
( )=
( 1 ) ( 2 )( 2 ) =( 1 )( 2 ) ( 3 ) ( 3 )
y as sucesivamente. Se evidencia que cuando
= n , donde n es un entero positivo,
( )=( n1 )( n2 ) (1 )
Sin embargo por definicin de
( ) ,
( 1 )= ex dx=1 y de aqu
0
( n )= ( n1 ) !
Algunas propiedades adicionales de ,
( n+1 )= ( n ) !
( n+1 )=n ( n ) , si n >0
( 1/2 )= .
( ) son:
, si n es un entero positivo
Distribucin Gamma
Se le conoce, tambin, como una generalizacin de la distribucin exponencial, adems
de la distribucin de Erlang y la distribucin Ji-cuadrada [8]. 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.
Definicion
Una variable aleatoria X tiene una distribucin gamma y se conoce como variable
aleatoria gamma, si y solo si su funcin de densidad esta dada por:
Propiedades
Como se mencion anteriormente, es una distribucin adecuada para modelizar el
comportamiento de variables aleatorias continuas con asimetra positiva. Es decir,
variables que presentan una mayor densidad de sucesos a la izquierda de la media que a
la derecha. En su expresin se encuentran dos parmetros, siempre positivos, y de
los que depende su forma y alcance por la derecha, y tambin la funcin gamma
( ) ,
responsable de la convergencia de la distribucin.
Podemos presentar las siguientes propiedades:
Los valores de la esperanza E( X)
E ( X )=
Var ( X )=
y varianza
Var ( x) , se determinan mediante
La verificacin y/o demostracin de estas frmulas se presentan ms adelante en esta
seccin.
Los factores de forma de la distribucin gamma son:
Coeficiente de asimetra:
Curtosis relativa:
2
3(1+ )
Con lo anterior se puede observar que la distribucin gamma es leptocrtica y tiene un
sesgo positivo. Tambin observamos que conforme el parmetro crece, el sesgo se hace
menos pronunciado y la curtosis relativa tiende a 3
La funcin generadora de momentos de la variable aleatoria gamma
mx =(1t) , con
0 t
est dada por
El primer parmetro, , sita la mxima intensidad de probabilidad y por este motivo es
denominada la forma de la distribucin. Cuando se toman valores prximos a cero
aparece 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 de 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 que se le denomine escala. Valores mas 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.
De manera resumida:El parmetro alfa () situa la mxima intensidad de probabilidad y
por este motivo en algunas fuentes se denomina la forma de la distribucin
El
parmetro beta () es el que determina el alcance de esta simetra positiva, de aqu que
se le denomine escala
Utilidad
Es una distribucin adecuada para modelizar el comportamiento de variables aleatorias
continuas con asimetra positiva. Es decir variables que presentan una mayor densidad de
sucesos a la izquierda de la media que a la derecha. En su expresin se encuentran los
parmetros positivos, () y () de los que depende de su forma y alcance por la derecha,
y tambin la funcin Gamma () responsable de la convergencia de la distribucin.
Si se esta interesado en la ocurrencia de un evento generado por un proceso de poisson
de media
, la variable que mide el tiempo transcurrido hasta obtener n ocurrencias del
evento sigue una distribucin gamma.
Este tipo de distribucin nos sirve de modelo para numerosos experimentos donde
interviene el tiempo. Como sucede:
Registro de la llegada de los aviones de un aeropuerto y en general a los
problemas de teora de colas 1. Problemas de trafico en lneas telefnicas
Tiempo de falla de un sistema de componentes, cada uno falla con frecuencia
Problemas de confiabilidad
Ejemplo 1
En cierta ciudad, el consumo diario de agua (en millones de litros ) sigue
aproximadamente una distribucin gamma con =2 y = 3, y la capacidad diaria de dicha
ciudad es 9 millones de litros d agua. Cul es la probabilidad de que en cualquier da el
suministro de agua sea inadecuado?
Respuesta
( )= x 1 ex dx
0
Sustituyendo valores
1
P>9= xx/ 3 dx
9 0
x 3
e e 3
3
Esto es igual a
esto evaluado de 9 a
4 e3 =0.1992
Ejemplo 2
Suponga que el tiempo de sobrevivencia X en semanas de un raton macho seleccionado
al azar expuesto a 240 rads de radiacin gamma tiene una distribucin gamma con = 8 y
=15. Datos en Survival Distributions:Reliability Applications in the Biomedical Services
sugiere =8.5 y =13.3.
El tiempo de supervivencia esta dado por
E ( x )=( )()
V ( x ) =( )( )2
Sustituyendo
E ( x )=( 8 ) ( 15 )=120 semanas
V ( x ) =( 8 ) (15)2=1800
Y
dx= 1800=42.43 semanas
La probabilidad de que un ratn sobreviva entre 60 y 120 semanas es:
P (60 x 120 )=P ( x 120 )P( x 60)
( 15120; 8 )( 1560; 8 )
F ( 8 ; 8 ) ( 4 ; 8 )=.547.051=0.496
La probabilidad de que un raton sobreviva por lo menos 30 semanas es:
P ( x 30 )=1P ( x< 30 )=1P ( x 30)
1P
( 1530; 8 )=.999
Ejercicio 3
En cierta ciudad el consumo diario de energia electrica en millones de kiliovatios por hora
puede considerarse como una variable aleatoria con distribucion gamma de parametros
=3 y =0.5.
La planta de energia de esta ciudad tiene una capacidad de 10 millones de Kv/h.
Cul es la posibilidad de que este abastecimiento sea?
a) insuficiente en un dia cualquiera
b) se consuma entre 3 y 8 millones de Kw/h
c) encuentre E(x) y V(x)
a)
( 1 )= ex dx=1
0
10
P ( x 30 )=1P ( x 30 )=
1
( 0.5 )3 x 2 e0.5 x dx=0.124652
( 3) 0
b)
3 8
0.5
P (3< x< 8 )=
( 0.5 )3 x 2 e0.5 x dx=0 .571
( 3) 0
c)
a 3
a
3
E ( x )= =
, V ( x )= 2 = 2 =12= =3.46
b 0.5
b 0.5
