DISTRIBUCIÓN
GAMMA
FRANNCK BARRIOS PACHECO
INTRODUCCIÓN A LA
ESTADÍSTICA
DISTRIBUCIÓN GAMMA
INTRODUCCIÓN Y DEFINICIÓN
•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
Importancia
Sirve de modelo para
numerosos experimentos en
donde interviene el tiempo
como sucede en la llegadas de
aviones a un aeropuerto y en
general a los problemas de
teoría de colas”
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
FUNCIÓN 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 función gamma
1. Esta función también se la puede representar
como:
Demostración:
Integrando por
partes:
DISTRIBUCION GAMMA
Volviendo a integrar
Así sucesivamente
DISTRIBUCION GAMMA
Propiedades de la función 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
DEMOSTRACIÓN
Sabemos que al integrar esta distribución debe dar
1.
Realizamos un cambio de variable
DISTRIBUCIÓN GAMMA
DEMOSTRACIÓN
La función gamma da la constante que hace que la suma de
probabilidades de la gamma sea 1.
DISTRIBUCIÓN 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
DISTRIBUCIÓN GAMMA
DEMOSTRACIÓN DE CÓMO SURGE LA MEDIA Y
VARIANZA POR EL MÉTODO DE MOMENTOS.
DISTRIBUCIÓN 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 . COMO SE ILUSTRA EN LA
FIGURA. PARA <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/
, x 0
f (x) e
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:
COMPARACIÓN
Distribución Poisson Distribución Gamma
consiste en preguntar por la cantidad consiste en preguntar por la cantidad
de eventos en el período T (la de tiempo necesario hasta observar k
longitud de un intervalo del continuo eventos. Es decir, dado k, calcular la
que va a estudiarse). Es decir, dado , distribución de T.
calcular la distribución de (la
cantidad de eventos que hay en ese
intervalo).
EJERCICIOS
cierta ciudad el consumo diario de energía eléctrica, en millones de kilovatios por
En
hora, puede considerarse como una variable con distribución GAMMA de parámetros
La planta de energía de esta ciudad tiene una capacidad diaria de 10 millones Kw/h.
¿Cuál es la probabilidad de que este abastecimiento sea insuficiente en un día
cualquiera?
Encuentre E(x) y V(x)
3 10
E(x)=
0,5 2 −0,5 𝑥 E(x)=
𝑃 ( 𝑥>10 )=1−𝑃 ( 𝑥 ≤10)=1− ∙∫ 𝑥 𝑒 𝑑𝑥
E(x)=
V(x)=
20 V(x)=
V(x)=12
Suponga que el tiempo, en horas, que toma reparar una bomba de calor es una variable
aleatoria X que tiene una distribución gamma con parámetros 2 y .
¿Cuál es la probabilidad de que la siguiente llamada de servicio requiera a los mas 1
hora para reparar la bomba de calor?
Encuentre la V(x)
V(x)=
V(x)=
V(x)=1/2
DISTRIBUCION GAMMA
CONCLUSIÓN
Como hemos observado la función 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.
