3 EALBUNGION GANMA.-¥.SUS_APUTCAGTONES Pedro Pablo ‘témino general de Foagtsn’ en matenéticas, es de cia extraordinaria y de mucha utilidad, asi lo tendido los investigadores de esta rama de la cien uienes le han dedicado el tiempo suficiente y ol por ella exigido, para desarrollar una teerfa ite exhaustiva sobre el tena. es de tener en cuenta, que tal concepto no es 32 quo wna particularizacién de otro més general; "LAS RELACIONES". objeto del trabajo es, ofrecer el conocimiento nfs de una funcién muy importante tanto en matendti- en muchas ramas del saber humano. Esta so cono- el nombre de "FUNCION GAMMA". ia dltima afimmacién, me limitaré a dar las defi 8, Propiedades, uso en la estadistica matendtica aplicaciones en la investigacién de opexpcio— dicha funcién. general esté descontado, por 1a aplicacidn de ‘stica a la casi totalidad de las ciencias, en-14 tre otras: Mucacién, Agronomfa, Biologfa, Fisica, Qifai — Cay Sociologia, ete. j Ia historia nos dice, que el primero en iniciar 61 est dio analftico de esta funcién fué el alenén EULER, quien seoundado por otros insignes colegas, entre ellos Jo 4ej6 my avenzado, A partir de esta functén, se define otra no menos impor ‘tante que la primera Mamada la “FUNCION HEPA", Les doo Comunnente se dexiominan “FUNCIONES EULERTANAS" ,CAPITULO TI ©Definiciones ‘de 1a Funeiéa ganna |) Para definir la funcién “Weierstrass utiliza el concepto de "PRODUCTO Ii- ", Por lo tanto es conveniente definirlo previ vane sb 2 abtrtt a1 9 Limite se llama,-el valor del producto infinite TQ raya + aya +8Z) dice que es convorgente. La oondicién nocesaria pa- onvergencia del Producto Thes; lim n> +0 ciente que sea convergente o doma 7) Bes. By oie a lim. e." ao ey Ia(l +a)ya convergencia absoluta esté asegurada por el siguii te teorema; EL producto infinito it (1+ 4,) es absolutanente nel convergente sii 1a serie zm es absolutamente co vergente. como fitimo criterio de convergencia se tiene que el producto infinito es absolutamente convergente o no, si 1o es 0 no 1a serie © YO uaa + 8) nat Weierstrass considers el siguiente producto infini- 2 2 at FTC [a the 3] (QL n=l donde 2 @ € (conjunto de los niimeros complejos), né I (conjunto de los miimeros naturales) y 3*€R (conjunto los nimeros reales). Esta % se conoce como constente de Euler o Nasche: su definicién es; Y= lim [2 eds +G - log a] ao Zs Le convergencia de 3+ se demuestra de la’ siguiente nera;Met, # Bpeaed ob is Sa - Sy = 4 = tog (1 + 3) en cuenta que py . ontonces2 2 2 7 1 0, entonces Ts) = fs 0, cauchy y Saalschuz demos Peay = fe Paes 2 ee donde k es el entero m4s cercano a - Az), funcién no est& definida para s = 0, -1,~ que como se dijo antes son los polos simpli oién. D, Gonolusién. Analisando detenidanonte niciones se puede establecer la equival: De la definicién dada por Weierstrass ctertos oftculos, a 1a dada por miler) en2 Bera SY Be ans or [0 Tt 0+ 20 [m—>49 D=L 2 1 z 2 [Jere eichnts ee tle aie ‘] Tee 2 n=l salon Red] sae [it {o 25a er }are m0 . fifa +24 ays] Ma) = 2 tle +h%0 +27] a definicidn dada por Ruler. a igual resultado si se compara’ la definicién del aparte (¢) con er y Por consiguiente con 1a de Weierstrass.22 eoe-6 CEPI TUL O° IT des. Este coalided hace que tenga relaciones muy int: con casi todos1os.-tépicos’ que abarca la matemftica. cho de otro moapvios Bose afizmar 3 un factor de ca, Los subtemas siguientes co bowen a Parimmadisa. pees j Ae eck aot. La finoiSn gama gizve. domo: 66 te pera-definir 0 estudiar, segin ol caso, casi. todas las funcionss: teaacendentalos, entre clas. a la funci Beta, Legendre Ie dié el nombre de Integral Muleriena de prinera ctest eta’ ‘elkuséatel integral | | mont Phees thax para oy vy Ra)7 0. Como se puede notar, es una egal que depends ao. 08 parMnetios py g, o sea os una Fmnoiéa y se Ta den mina Reta, eval ‘ pow - -f Pla ie 5) >0- m4) La primers relacién que se puede establéce® entre 1 funcién Gammay-1a "Bota es la ‘siguiente:23 es un entero positivo P(z) = ifm 2” p(2,n) 13 c _ 1.2.3..-+-(m-1) pie Cs) exp Liam tea fu, ente demostrar la igualdad; Blany = 22:32 2+ (ny B(zaL), wee, (Ban=1) do el método de integracién por partes a 1a in e define 1a funcién Reta se puede establecer el sultado y por 10 tanto comprobar la relacién es entre las dos funciones. Pero la relacién més te La establecié guler por medio. de la, expresiy Poy PNA ee roe ae Fie tracién 1a presenta sokolnikoff en su libro Calculus”. in no menos importante que la Gamma, en el cal Probabilidades y por tanto en 1a gstadistica, es én factorial. mente'se definié esta funcién teniendo como do conjunto de los niimeros naturales y por note~ ‘Ja cual persiste), de la siguiente fora; a EW entonces at =J( ria de la funcién Gamma fue desarzollada para~ con el problema de generalizacién de la funci< Aaa24 factorial, esto es, hallar una expresién que sea igual ni (n€ M) y @ 1a vez, pueda ser extendida para cuala niimero real (extender el dominio). m este proceso de vestigacién se logra establecer que: eee at = a ° La prucba se obtiene integrando por partes ( rei tera: monte) 1a integral. Para n-1 se tiens; jos Po) at =. (mye ° ‘ Pero +0 Te) =f ote at, A) >0 ° Siguiendo el proceso de generalineeién, teniendo en cuenta lee dos fitimas igualdades, se puede conclufr qu ray={ Ret hay (eat ° Agualdad que establece nexos muy fntimos entre 1a fun- eién Gamma y 1a funcién Factorial. as dos funciones gardan similitud, inclusive, en la forma de autorepzo- duccién, ya que; at omea(e-nye oy Tay & (221) M21) Propiedad que aunque no @s exclusiva para ellas, porque si Pes una funcién arbitraria definida para —n pR, x(a) =m eR dex se una variable aleatoria. La variable alea— toria puede. ser discrete o continua, ya sea quo esté asociada a un espacio muestral aisereto o coatinuo respectivamente. Funcién de distribucién de probabilidad. peterninado dice que28 el espacio muestral y los sucesos de un experim:ento es importante saber con qué grado de confianza se pug de afimmar que va a ocurrir un suceso cualquiera, es- to es, conocer su probabilidad. Esta se puede presen tar por medio de tablas o a partir de una funcién do. dominio el intervalo unitario (I). Ademés, la funcién debe ser no negativa y su sumatoria o integral, en to do el recorrido, igual a la unidad; cualquier funcidn que cumpla con estas propiedades se la denomina fun- cién de distribucién de probabilidad. Esto es, f es una funcién de distribucién de probabilidad ei f: MX)—+I (R= recorrido) tal que f(x)> 0 para todo xenx, y Et) 21 fie dx el ¥xex Si f es discreta, f(x) es 1a probabilidad de que su variable aleatoria tome el ~ valor ‘x; en el caso de ser continua, indica la probabilidad de que la varia~ ble aleatoria tome los valores comprendidos entre x y xsdx (dx = diferencial de x). 4) Funeién Acumulativa de Probabilidad. Para responder Funcién Acumulativa de Probabilidad. 4 @ preguntas como "cudl es la probabilidad de que una verlable aleatoria sea menor o igual que un niinero de ferminado", P(xX< x); o a "hallar la probabilidad de que una variable aleatoria'sea mayor que x", P(x>x), etc., se define una funcién 7, asi; Pe RX)—>TYoKx) si x es discreta Xex = HXO y M(x) 1a fu a realidad #{x, a, p) representa : vas, la determinacién de una de lorar d y B.A f(x,a,9) se a babilidad cama, £(x,4,A) = a La comprobacién de que f = g es un bucién se obtiene demostrando do su recorrido, es igual a la u +00 +0 Bo oF ‘ £(x,0 pdx = J oo ° ho cién se les asignan ciertos valore ral se convierte on casos particula: cuente. Etre otras tenemos las si, si RR 1, entonces # ex, 1) = 4 Tey oOae ta féraula es la que usan la mayoria de los textos presentar a la funcién de distribucién Gamma. Al 9 la identifican como "Distribucién tipo III de on". En este caso se-puede demostrar que el va~ ; eperado y 1a varianza de 1a variable aleatoria igual, justamente, al pardmetro de la distribucién }» coincidiendo en esta propiedad con 1a distribu- 6 én (discreta) de Poisson. el caso generel, aquellos valores son ap yap spoctivamente, dando el mismo resultado, considere— ‘en el pérrafo anterior para P= 1. 1a misma maneraycomo 1a funcién Gamma genera otres ofones, 1 funcién de @istvibicién Gamma es geners 92a, también, de otras funciones, de distribueiones 5 probabilidad. gsto ocurre para los siguient os particulares de los parémetrosay ® - = 1, entonces 41 ge a tie em 0 x<0 8 cual es la funcién de distribucién de probabilidad exponencial de parénctm A=4 , distribucién que es Gtal! en Los procesos' estocdsticos y 1a seorie de colas. si d=} (nem) y B= 2 (2/2) 5-4/2) ss ax, By 2)e AA fumey o z€032 funcién de distribticién que recibe el nombre de ji cuadrado con ngfados' de Libertad (o valores: indepen- @ientes que puede tomar 1a variable), en forma sinbé- aca X%j- Une consecuencia importante de esta distribucién es que; si X es una variable aleatoria cuya distribucié: es nomal de media (gsperanza) cero y de varianza 1, entonces 1a variable aleatoria x* tendré como distri- bucién una X%j" (Ji cuadrado con 1 grado de libertad) La funcién acumilativa de probabilidad es, sogin le definicién general, pa 2 gL (2/8) (6B) = G(%B) = A “Fe dx que, como se verd més adelante, es 1a distribucién del tiempo de ocurrencia del. evento résimo, dospués del tiempo inicial, de un proceso de Poisson con pa~ rémetro A= : (parémetro de 1a exponencial ). c) La distribucién Beta. otra distribucién continua de frecuente ocurrencia en la teorfa estadistica y que - utiliza como soporte a la funcién Gamma, es la cién de distribucién peta. Una variable aleatoria x sigue una distribucién neta si; Mx pa)= [RS what o0. Piu(t, t +4t) <0) =1-Aat + oat) fuct, t + 4t) 21} = Aat + oat) fice, t i} = oat) phi(t, t At) = x/m(0,t) =x} = Pint, t+ t)=x}38 (0(At) es un infinitésino). Por 1o tanto, en un proceso de Poisson los evento curren uno a’ uno en el tiempo y en forma aleatoria. que desempefia 1a funcién camna en los siguientes teo: nas. Zeorema 1. gn un proceso de Poisson los intervalo tiempo entre dos eventos sucesives siguen une distril Gon esta informacién previa, se puede notar el | ein exponencial: | Esto quiere deci: que el tiempo entre la ocur: de dos eventos es una variable aieatoria cuya funcii Gistrtbuctén es’ f(x, 4,1), vista en°61‘ capitulo’ ant Dedostracién del _teorema. sea to un evento fijo ferencia, x el intervalo de tiempo entre ty 1a oc cia de un primer evento y Ax) = P{x>x] para Ax>0 se tiene que “Hae! x) = 2>z + ax) (ox tadeonits P22), Bite forme ax) = 97> =) Bare, el, proceso de Poisson Ax 44%) = Kx)d ~Nax) ¥ fax) Axx) ~\ Kx) 2 L\e(2)'4! oax) Ax tomando 1{mites’ Bz) = tAR x) que. es, una, eghacién, diferencial, cuya) solucidn esta porAx) #0) eo, 0) a2 oP WK x>x), Arex) = 1-07 A(z) = dF x >0 ° x£0 s funcién de distribucién exponencial: 2. mi un proceso de Poisson el intervalo de tre el origen y el momento de ocurrencia dal Wento sigue una distribucién Gamia con pardac- tracién. Sea wr el tiempo de espora hasta la evento r-ésimo, entonces x, donde x, (i=1,...,r) es el intervalo de entre 1a ocurrencia del evento i-l y el i. Las x ables aleatorias independientes ¢ idénticamente das (tienen distribucién exponencial segin ob 1). én generatriz de momento, para cada x; ep: _ +040 lo que implica que 1a/funcién de distribucién para la riable wr es, Ox Pl -Az ted ed saSkE 0 x0 x70 que la hemos definido como 1a funcién de distribucién Gamma, comprobéndose de esta manera el teorema 2. lm la teorfa de colas o fenémenos de espera que es subtena de los sistemas estocdsticos de servicios, bign 1a funcién canna tiene su aplicabilidad, como ej plo esté 1a distribucién del tiempo de espera en la Para un modelo 4/1/1, cuyas caractor{sticas son; 1) Disedplina de espera; primero que llega, primero se atiende. 2) Blegadas; individuales segin distribucién de Poiss: ‘con parémetro A. 3) SeHicio; inaividual, durdoiéd con aistHbucién nenoial con pardiiétzo w. Teniendo en cuenta que una unidad arbitraria A que llegue al sistema deve esperar en Ids colas' un tiempo comprendido entre xy x + dx, (sii, ocurrén los siguien eventos: 1) Que en ol sistena haya n>1 unidades 2) que en el intervalo de tiempo x se despache a n-1 unidades 3) que en el intervalo de tiempo dx se despache wha dad, se tiene que;ax = Pixewex + ax} = Do pfeewca + ax /u = a} pa nal =u p(1 -p) eM +4PTay = up(. -p) oA -f) ax, y xy af Pau -a)ie UA) x>0 1=P x0 endo el cambio p = A y teniendo on cuenta quo si , 0) = 1-P = probabilidad de que el servicio es perfodo especificado y bajo las condiciones de ope nes dadas. tando en este tema el caso de redundancia de stand42 by en sistemas renovables se tiene que la confiabil: del sistema, representada por P,, es: Jeo 8% Pt) = fol) donde Lyx) = Aylx)e A(x) # v8 f(x) i es la funcién de distribucidn de probabilidad de la riable aleatoria T, esta representa el tiempo de neniento del.sistema, Les f, (4 = 1,2, ..., n) son funciones de distribucién de leas n compénentes del na. Bl simbolo # es un operador, que se lee convol: si se trata den componentes iguales e igualaente tribufdas (exponenciel), aplicando trensformadas de Place y las propiedades de las convoluciones, 1a an: expresién queda asi; a . Lee = £(8) = Ror La table de transformadas da; daw zt) = (n-1)t que es la distribucién Gamma. giendo la confiabili del sistena,4 y =v ayie +0 e ¢ as eines lea oo wdfn fre -aplre- is pis ots aah 2 i Taji ay ° do la integral por partes reiteradamente se con- nl he at. P(t) = De eer verdad seria muy prolijo continuar exponiends ca~ aplicacién directa o indirecta de la funcién sus mfiltiples modalidades. queda por lo tanto, la brecha para continuar tal estudio que puede excelentes éxitos a quienes gustan de las revi- bibliogréficas 0 estén en 1a capacidad de hacor efectivos a las Ciencias,44 BIBLIOGRAFIA 1. ARPIN, Bail, translated by Butler michael, the Function, London, 1964 2e- BLUM R-, Julies and Judahi Rosemblentt, probabili’ and statisties, W.B. Company, Philadelphia,197; 3. CRAHER, Harold, 7. calleja, Ansolmo, glenontos de teorfa de probabilidades y aplicaciones, aguil S.A. de Biiciones’ Madrid, 1968 4.- PELLER, Willian, an Introduction to Probability its aplicationsy Vols 2. John wiley and sons New York, 1970. 5.- KAUFHAIN A. y Cruon R., Los Fenémenos de Espera, pafifa Biitorial continental, g.a., México, 1961 6.- LA VALLE H. Irving, an Introduction to Probabili Decision and Inference, Holt, Rinehart and ton, Inc. New york, 1970. ‘Te LOZANO CONEJERO Antonio, Confiabilidad, Teorfa y Préctica, glitorial Universitaria de Buenos Ai res, Buenos Aires, 1969. 8,- RIOS Sixto, Métodos Estadisticos, megraw Hill Bot Company, Biicién del castillo s.a., Madrid,19 9-- ROTAS Jaime, Procesos Estad{sticos y Teoria de co— as, Cienes 17773 (150), santiago, 1970450 ‘§ Samuel, Mathematical statisties, Jonh Wiley "and sons Inc., New York, 1963. TTTAKER B.T., and Watson G. N-, A Course of Ho- der analysis, Cambridge University Press, 1969.