You are on page 1of 3

DISTRIBUCION DE PROBABILIDAD GAMA Y BETA.

DISTRIBUCIÓN GAMMA En estadística la distribución gamma es una distribución de probabilidad continua con dos parámetros k y λ cuya función de densidad para valores x > 0 es

Aquí e es el número e y Γ es la función gamma. Para valores la aquella es

Γ(k) = (k − 1)! (el factorial de k − 1). En este caso - por ejemplo para describir un proceso de Poisson - se llaman la distribición distribución Erlang con un parámetro θ = 1 / λ.

El valor esperado y la varianza de una variable aleatoria X de distribución gamma son E[X] = k / λ = kθ V[X] = k / λ2 = kθ2 Los tiempos que tardan en revisar un motor de un automóvil ó avión tienen una distribución de frecuencias sesgadas. Las poblaciones asociadas a estas variables aleatorias frecuentemente tienen distribuciones que se pueden modelar adecuadamente por la función de densidad tipo gamma. Función de densidad de probabilidad para una variable aleatoria tipo gamma:

α , β > 0;0 ≤ y ≤ α
f ( y) = y e β α τ (α ) 0
α −1 − y / β

En donde:

τ (α ) = ∫ y α −1 e
0

α

−y

dy

La cantidad de la de la función alfa se conoce como la función gamma. La integración directa nos da que la función uno igual a uno. La integración por partes nos da que la función de alfa menos uno alfa menos uno por la función alfa menos uno para cualquier intervalo de alfa mayor o igual a uno y que la función de n sea igual a n menos uno factorial, para un número entero n. En el caso especial cuando alfa es un número entero, se puede expresar la función de distribución de una variable aleatoria tipo gamma como una suma de ciertas variables aleatorias de Poisson. Si alfa no es un número entero, es imposible encontrar la antiderivada del integrando de la expresión:

Eso es la suma de k variables aleatorias independientes de distribución exponencial con parámetro λ. Ji . β > 0. Un fusible es un ejemplo de un componente para el cual este supuesto suele cumplirse. La función de densidad exponencial muchas veces es útil en los modelos de duración de componentes eléctricos.0 < c < d <α d donde ∫ c y α −1 e − y / β dy β α τ (α ) Y por lo tanto es importante obtener las áreas bajo la función de densidad tipo gamma mediante integración directa.0 ≤ y < ∞ f ( y) = 0 1 e β −y / β En cualquier punto.cuadrada. Hay dos casos especiales de las variables aleatorias tipo gamma que merece consideración particular: Una variable aleatoria tipo gamma que tiene una función de densidad con parámetros alfa igual a v entre dos y beta igual a dos se denomina variable aleatoria ji .cuadrada se presenta con frecuencia en la teoría de la estadística.cuadrada. La función de densidad gamma para el caso especial v = 1 se denomina función de densidad exponencial. . El parámetro v se denomina número de grados de libertad asociado a la variable aleatoria ji . Relaciones El tiempo hasta que el suceso número k ocurre en un Proceso de Poisson de intensidad λ es una variable aleatoria con distribución gamma.

La función de distribución acumulativa para la variable aleatoria beta se llama comúnmente función beta y esta dada por F ( y) = ∫ y 0 t α −1 (1 − t ) β −1 dt = I y (α . Si c<= y <= d. . beta) está relacionada con la función de probabilidad binomial.c) definirá una nueva variable en el intervalo 0<= y <= 1. Cuando y = p. Así la función de densidad beta se puede aplicar a una variable aleatoria definida en el intervalo c<= y <= d mediante una traslación y una medición en la escala. Se utiliza frecuentemente como modelo para fracciones. β ) B (α .c) / (d. Función de densidad probabilidad: α . β ) y =α En donde 0< p < 1 y n igual a alfa más beta menos uno. Iy (alfa. β > 0. El valor esperado y la varianza de una variable aleatoria X con distribución beta son Un caso especial de la distribución Beta con a = 1 y b = 1 es la probabilidad uniforme. se puede demostrar que F ( p) = ∫ n y α −1 (1 − y ) β −1 dy = ∑ p y (1 − p ) n − y B(α . tal como la proporción de impurezas en un producto químico o la fracción de tiempo que una maquina está en reparación. y = (y.0 ≤ y ≤ 1 f ( y) = { y α −1 (1 − y ) B (α . β ) β −1 En cualquier otro punto donde B (α . La distribución de probabilidad beta es una función de densidad con dos parámetros definida en el intervalo cerrado 0 <= y <= 1. β ) = ∫ y α −1 (1 − y ) β −1 dy = τ (α )τ ( β ) τ (α + β ) Nótese que la definición de (y) sobre el intervalo 0<= y <= 1 restringe su aplicación.LA DISTRIBUCION DE PROBABILIDAD BETA. β ) Para valores enteros de alfa y beta.