DISTRIBUCION GAMMA
DISTRIBUCION GAMMA
Integrantes:
Andres Acosta
Josue Analuisa
Cristina Gomez
Jazmin Yambay
DISTRIBUCION GAMMA
Introduccion y Definicion
Este modelo nos lleva a una función de densidad de probabilidad cuyas
variables aleatorias son no negativas y tienen distribuciones sesgadas
hacia la derecha, es decir la mayor parte del área bajo la curva de la
función, se encuentran cerca del origen y los valores de la función de
densidad disminuyen gradualmente cuando x aumenta.
DISTRIBUCION GAMMA
Objetivo
El objetivo fundamental del trabajo a presentar es analizar la
denominada Función Gamma con su respectiva distribución de
probabilidad o función de densidad, así como sus parámetros y las
relaciones que esta función tiene con otras. Sólo así podremos
comprender la verdadera importancia de la función Gamma, que
básicamente es una función teórica
DISTRIBUCION GAMMA
Origen y Autor
La distribución Gamma tiene su origen en la familia de curvas sesgadas
propuestas por Karl Pearson. Uno de los primeros y más importantes
trabajos del profesor Pearson fue su contribución al análisis de curvas
sesgadas. La motivación del profesor Pearson nace al notar que ciertas
medidas biológicas, sociológicas y económicas, existe una desviación
de la forma normal y es importante la dirección y la cantidad de esa
desviación.
DISTRIBUCION GAMMA
Funcion Gamma
Esta dada por:
La integral que define la función se le llama integral euleriana de
segunda especie, siendo α>0
Esta función nos permite generar una constante a través de α.
DISTRIBUCION GAMMA
Propiedades de la funcion gamma
1. Esta función también se la puede representar como:
Demostracion:
Integrando por partes:
DISTRIBUCION GAMMA
Volviendo a integrar
Así sucesivamente
DISTRIBUCION GAMMA
Propiedades de la funcion gamma
2. Cuando α es 1, entonces la función gamma también es 1
Demostración
3.
4.
DISTRIBUCION GAMMA
función de distribución gamma
La función de distribución gamma viene dado por:
Sin embargo, esta función no da 1 en la suma total de probabilidades.
Esa es la razon por la cual debemos multiplicarlo por un constante k.
DISTRIBUCION GAMMA
DEMOSTRACION
Sabemos que al integrar esta distribución debe dar 1.
Realizamos un cambio de variable
DISTRIBUCION GAMMA
DEMOSTRACION
La función gamma da la constante que hace que la suma de
probabilidades de la gamma sea 1.
DISTRIBUCION GAMMA
Su funcion de densidad de probabilidad es:
Con parámetros:
β: parámetro de escala, β > 0
α: parámetro de forma, α > 0
Valor esperado (media)
Varianza
DISTRIBUCION GAMMA
Demostración de cómo surge la media y varianza por el
método de momentos.
DISTRIBUCION GAMMA
Función Generadora de Momentos
Valor Esperado
Varianza
DISTRIBUCION GAMMA
Propiedades
La distribución exponencial es una distribución gamma con α =1.
Si X1 es una gamma (α1,β) y X2 es una gamma (α2,β) entonces Y=X1+X2
es una gamma (α1+ α2,β).
Si X es una gamma (α,1) entonces βX es una gamma (α1,β), para
cualquier β>0.
Las dos primeras propiedades nos dicen que podemos generar valores
de distribuciones gamma de valores grandes de α mediante
convolución de valores de distribuciones gamma. La tercera propiedad
nos dice que sólo es necesario desarrollar métodos de generación de
variables aleatorias gamma con β=1. Una gamma(1,1) es una
exponencial de media 1.
DISTRIBUCION GAMMA
La distribución gama toma una variedad de formas dependiendo del
valor de α. Como se ilustra en la figura. Para β<1 la distribución es muy
asimétrica con f(x) tendiendo a infinito a medida que x tiende a cero.
DISTRIBUCION GAMMA
Usos y Aplicaciones
La distribución gamma se aplica a una gran diversidad de áreas,
permitiéndonos una metodología en el marco de análisis de la biología
y la ingeniería. Es una candidata popular para modelar procesos, dada
su capacidad para asumir una amplia variedad de formas.
Una elección frecuente, especialmente cuando se trata de representar
datos de precipitación es la distribución gama. Muchas de estas
variables atmosféricas son claramente asimétricas.
Es muy utilizada en las teorías de la fiabilidad, mantenimiento y
fenómenos de espera
DISTRIBUCION GAMMA
Casos Particulares
1) La función exponencial es un caso particular de la distribución
gamma y tiene aplicaciones de interés práctico. Se obtiene con =1
en la distribución Gamma
1 x/
e , x 0
f ( x)
0, para otro x
2) Otro caso especial de la distribución gamma se obtiene si hacemos β=2 y
α=n/2, en donde n es un entero positivo. La distribución resultante es la
distribución ji-cuadrado, cuya densidad esta definida por:
DISTRIBUCION GAMMA
Ejemplos
Suponga que las llamadas telefonicas que llegan a un conmutador
particular siguen un proceso de Poisson con un promedio de 5 llamadas
entrantes por minuto. ¿Cuál es la probabilidad de que transcurra a lo
mas un minuto hasta que lleguen 2 llamadas al conmutador?
α= 2, β= 1/5, x= 1
1 1 x/ 1
f ( x) x e 3
x 2 1e x /(1 / 5 )
25 x 2 e 5x
( ) (1 / 5) (2)
1
1
5x 5x 5x
P( x 1) 25 x e dx 5 xe e 0
P(x 1) 0.96
DISTRIBUCION GAMMA
El tiempo en horas que semanalmente requiere una máquina para
mantenimiento es una variable aleatoria con distribución gamma con
parámetros =3, =2
a) Encuentre la probabilidad que en alguna semana el tiempo de
mantenimiento sea mayor a 8 horas
b) Si el costo de mantenimiento en dólares es C = 30X + 2X2, siendo X el
tiempo de mantenimiento, encuentre el costo promedio de
mantenimiento.
1 1 x/ 1
f ( x) x e 3
x 2 1e x /(1 / 5 )
25 x 2 e 5x
( ) (1 / 5) (2)
8
1 1 8
P(X > 8) = 1 - P(X 8) = 1 - x 2e x/2
dx 1 - 2x 2 e - x/2 4(-2x e - x/2 2(-2 e - x/2 ))
16 0 16 0
P(x 8) 0.2381
DISTRIBUCION GAMMA
E[C] = E[30X + 2X2] = 30 E[X] + 2 E[X2]
E[X] = = 3(2) = 6
E[X2] = x f ( x)dx x 161 x e dx 16
2 1
x e dx
2 2 x/2 4 x/2
0 0
sustituya y = x/2 para usar la función Gamma
1
(2 y ) 4 e y
( 2dy) 2 y 4e y
dy
16 0 0
= 2 (5) = 2(4!) = 48
E[C] = 30(6) + 2(48) = 276 dólares
DISTRIBUCION GAMMA
Conclusiones
Como hemos observado la funcion gamma lo que busca es una
variable aleatoria que nos permite encontrar el tiempo que transcurre
para la realizacion de un evento. Y queda demostrado que esta funcion
da origen a muchas otras distribuciones siendo las mas representativas
la esponencial y la chi-cuadrada.
Esta distribucion trata de predecir eventos poco probables, como las
precipitaciones y probabilidad por tiempos de espera.
