Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial Apuntes ICI2212 Modelos Estocsticos Distribucin Gamma Profesor: MSc.

Claudio Araya Sassi Distribucin Gamma Una v.a. se dice tener una distribucin con parmetros ( por: ( ) { ( ) ( ) ) si su est dada 2 Semestre de 2013.

( )

Donde

( ), llamada la funcin gamma, est definida como: ( )

Integrando por partes se tiene: ( Reemplazando se tiene: ( ) | ( ) )

( )

( )

) (

Relacin Recursiva

As hemos demostrado que la funcin gamma sigue una importante relacin recursiva.

Hacemos

aplicando la ecuacin anterior repetidamente. ( ) ( ( ( ) ( ) ( )( ) ) ) ( ( ) )

Profesor: MSc. Claudio Araya Sassi

claudioaraya@managementscience.cl

Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial Pero, ( ) |

Por lo tanto,

( )

( )

Reemplazando la ecuacin (2) en (1) queda lo siguiente: ( ( ) )

( )

Donde la funcin depende slo de

, esto es,

( )

Propiedades de la Distribucin Gamma a) si n = 1 ( ) { }

Por lo tanto, la fdp exponencial es un caso especial de la distribucin gamma. b) n > 0 Considrese la integral luego Integrando por partes y haciendo y

Profesor: MSc. Claudio Araya Sassi

claudioaraya@managementscience.cl

Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial Por lo tanto, |

[ ( ) ]

Por lo tanto, [ ( ) ]

Donde Y tiene una distribucin de Poisson con parmetro a. Si, ( ) ( ( ) )

y por lo tanto la fda de x se transforma en: ( ) ( )

Haciendo

( ) ( ) ( )

) con

Profesor: MSc. Claudio Araya Sassi

claudioaraya@managementscience.cl

Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial Por lo tanto, la fda de la fdp Gamma puede expresarse mediante la fda de la distribucin Poisson. Gamma Poisson Gamma Distribucin continua. N de ocurrencias de algn evento durante un periodo fijo de tiempo. Distribucin del tiempo necesario para obtener un n especificado de ocurrencias del evento.

Supongamos que: X= N de ocurrencias del evento A durante (0,t). X~ Poisson (t) Donde: = N esperado de ocurrencias de A durante un intervalo de tiempo unitario. Sea T= Tiempo necesario para observar n ocurrencias de A. Tenemos ( ) { ( { } ( ) } { } [ ])

Profesor: MSc. Claudio Araya Sassi

claudioaraya@managementscience.cl

Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial Tasa de Falla Distribucin Gamma ( ) ( ) ( ) ( ( ) ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ( ) ( ) ( ) ( ) ( )( ) ]

( )

) [

( ) )

( ) ] ( )

( ( )

) [

( )

( )

( )

( )(

) ( )

Profesor: MSc. Claudio Araya Sassi

claudioaraya@managementscience.cl

Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial

0.9 0.8 0.7 0.6 n=

Tasa de falla

n= 0.5 0.4 0.3 0.2 0.1 0.0 0 1 2 3 4 5 Tiempo 6 7 8

Figura 1. Funcin tasa de falla para la Distribucin Gamma con

Referencias

Meyer, Paul, 1998. Probabilidad y Aplicaciones Estadsticas, Ed. Prentice Hall, Mxico. Ross, Sheldon, 2006. A First Course in Probability, Seventh Edition, Pearson Prentice Hall, New Jersey, U.S.A. Ross, Sheldon, 2007. Introduction to Probability Models, Ninth Edition, Academic Press, Elsevier, Massachusetts, U.S.A. Ross, Sheldon, 1996. Stochastic Processes, Second Edition, John Wiley and Sons, U.S.A. Gazmuri, Pedro, 1994. Modelos Estocsticos para la Gestin de Sistemas, Ediciones Universidad Catlica, Chile.

Profesor: MSc. Claudio Araya Sassi

claudioaraya@managementscience.cl