Instituto politcnico nacional

Escuela superior de ingeniera mecnica y elctrica

Unidad profesional Azcapotzalco

Probabilidad y estadstica

Distribucin beta y gamma

Prof. Aguirre buitrn Vladimir

Prez contreras Carlos

Salgado German Gerardo

Hernndez Hernndez Arturo Gabriel

Suarez Marban Mara Fernanda

Morales Gonzlez Rodolfo Ulises

6mm1
La distribucin gamma y la distribucin exponencial desempean un papel
importante en la teora de las colas y en problemas de confiabilidad. Los tiempos
entre llegadas y en instalaciones de servicio y los tiempos de operacin antes de
que partes componentes y sistemas elctricos empiecen a fallar a menudo se
representa bien mediante la distribucin exponencial.

La relacin entre distribucin exponencial y gamma permite que la gamma se

utilice en problemas similares.

La distribucin gamma deriva su nombre de la funcin gamma, que se estudia en

muchas reas de las matemticas

La funcin gamma se define como

() = 1 , > 0.
0

Las siguientes son algunas propiedades sencillas de la funcion gamma

a)() = ( 1)( 2) (1)(1)

para ver la demostracion, al integrar por partes con = 1 y = dx,

obtenemos

para > 1,que porduce la formula recursiva

() = ( 1)( 1)

El resultado proviene de la aplicacin repetida de la formula recursiva. Si

utilizamos este resultado podemos demostrar con facilidad las siguientes
propiedades

b)() = ( 1)! Para una integral positiva n

c)(1) = 1

1
d) (2) =

distribucion gamma
una variable aleatoria continua X tiene una disteibucion gamma con parametros
y , si su funcion de densidad esta dada por
1 1 /
() , >0
(; , ) = { en otro caso
0

Donde > 0 > 0

En la figura se muestran graficas de varias distribuciones gamma para ciertos

valores especificos de los parametros y . La distribucion gamma especial para
la que =1 se llama distribucion exponencial.

Distribucin exponencial

La variable aleatoria continua x tiene una distribucin exponencial, con parmetro

, si su funcin de densidad est dada por
1
/ , > 0
(; ) = { En otro caso
0

Donde >0

Media y varianza de la distribucin gama

= 2 = 2 .

La media y la varianza de la funcin exponencial son

 = 2 = 2.

Relacin con el proceso de Poisson

Las aplicaciones ms importantes de la distribucin exponencial son situaciones

donde se aplica el proceso de Poisson, que se utiliza para calcular la probabilidad
de nmeros especficos de eventos durante un periodo o espacio particulares.

La relacin entre la distribucin exponencial y Poisson es simple, Poisson se

desarroll como una distribucin de un solo parmetro () donde se interpreta
como el nmero medio de eventos por unidad de tiempo.

()0
(0; ) = =
0!

Podemos utilizar lo anterior y hacer que X sea el tiempo para el primer evento de
Poisson, esto est dado por como resultado:

( > ) =

As la funcin de distribucin de X acumulativa, est dada por

(0 ) = 1

Para poder reconocer la presencia de la distribucin exponencial podemos

diferenciar la funcin de distribucin acumulativa anterior con el fin de obtener la
funcin de distribucin de densidad

() = ,
1
Que es la funcin de densidad de la distribucin exponencial con =

Aplicaciones de la distribucin exponencial y distribucin gamma, en la teora de

confiabilidad, donde la falla de equipo se encuentra con frecuencia se ajusta a
este proceso de Poisson, se denomina tiempo medio entre fallas. Muchas
descomposturas de equipo siguen el proceso de Poisson y por ello se aplica la
distribucin exponencial, otras aplicaciones incluyen tiempo de supervivencia en
experimentos biomdicos y tiempo de respuesta de computadoras.

La propiedad de fala de memoria y su efecto en la distribucin exponencial

En los tipos de aplicacin de la distribucin exponencial en los problemas de

confiabilidad y de tiempo de vida de una maquina o de un componente influye la
propiedad de falta de memoria de la distribucin exponencial. Por ejemplo, un
componente electrnico, en el que la distribucin del tiempo de vida es
exponencial, la probabilidad de que el componente dure t horas, es decir ( ),
es igual que la probabilidad condicional

( 0 + | 0 ).

Si el componente alcanza las horas, la probabilidad de que dure otras t horas es

igual a que dure t horas.

Cuando la propiedad de falta de memoria es justificada es ms adecuada la

distribucin exponencial, pero si la falla del componente es resultado del desgaste
lento o gradual (como el desgaste mecnico) entonces no aplica y se adecua ms
la distribucin gamma o Weibull

La distribucin gamma, define una familia en la cual otras distribuciones son casos
especiales.

La distribucin exponencial describe el tiempo que transcurre hasta la ocurrencia

de un evento Poisson.

Distirbucion chi cuadrada

Otro caso especial muy importante de la distribucion gamma se obtiene al

permitir que =v/2 y =2 donde v es un entero positivo. El resultado se le comoce
como distribucion chi cuadrada. La distribucion que tiene solo un parametro, v,
denominado grados de libertad

La variable aleatoria X tiene una distribucion chi cuadrada, con v grados de

libertad, si su funcion de densidad es dada por

1 1


2 2
(; ) = {
22 ( )
2
, > 0 de otro modo
0

Desempea un papel fundamental en la inferencia estadistica tiene una aplicacin

considerable tanto en metodologia como en teoria la media y la varianza de la
distribucion chi cuadrada son

= 2 = 2
Distribucion beta

Una extencion de la distribucion uniforme es la distribucion beta

Una funcion beta es definida por

1 ()()
(, ) = 0 1 (1 )1 = (+)
,para , > 0

donde ()es la funcion gamma

distribucion beta

la variable aleatoria continua X tiene una distribucion beta con parametros >0 y
>0, si su funcion de densidad esta dada por
1
1 (1 )1
() = {(,) en otro caso 0 < < 1
0

Distribucion beta con los parametros =1, =1

La media y la varianza de una dsitribucion beta en la que los parametros y son

= 2 = , respectiamente
+ (+)2 (++1)

Para la distribucion sobre(0,1) la media y la varianza son

1 1 (1)(1) 1
= 1+1 = 2 2 = (1+1)2 (1+1+1) = 12,

Respectivamente
Bibliografa

Walpole,Myers, Myers,(2012),probabilidad y estadstica para ingeniera y ciencias,(8

ed),mexico:Pearson