Universidad Autnoma de Occidente

Karolina Castillo Seth

Probabilidad y Estadstica Grupo 6
Oscar Villanueva

DISTRIBUCION GAMMA Y DISTRIBUCIN EXPONENCIAL

La distribucin exponencial es un caso especial de la distribucin gamma, y

ambas tienen un gran nmero de aplicaciones. La distribucin exponencial y la
distribucin gamma desempean un papel importante en la teora de colas y en
problemas de confiabilidad. Los tiempos entre llegadas en instalaciones de
servicio y los tiempos de operacin antes de que partes componentes y sistemas
elctricos empiecen a fallar a menudo se representan bien mediante la distribucin
exponencial. La relacin entre la distribucin gamma y la exponencial permite que
la gamma se utilice en problemas similares. La distribucin gamma deriva su
nombre de la bien conocida funcin gamma, que se estudia en muchas reas de
las matemticas. Antes de estudiar la distribucin gamma repasaremos esta
funcin y algunas de sus propiedades importantes.
La distribucin Gamma se define como:

( )= x 1 ex dx , para >1.
0

Propiedades de la distribucin Gamma

a)

( n )= ( n1 ) ( n2 ) ( 1 ) ( 1 ) para una integral positiva n

Para ver la demostracin, al integrar por partes con

u=x

dv=e dx

tenemos que.
x

( )=e x

Para

+ ex ( 1)x 2 dx=( 1 ) x 2ex dx ,

0 0
0

> 1 , produce la formula recursiva

( )=(1) ( 1)
El resultado proviene de la aplicacin repetida de la frmula recursiva. Si
utilizamos este resultado, podemos demostrar con facilidad las siguientes dos
propiedades.

Universidad Autnoma de Occidente

Karolina Castillo Seth
Probabilidad y Estadstica Grupo 6
Oscar Villanueva

b)

( n )= ( n1 ) ! para una integral positiva n .

c)

( 1 )=1

d)

( 12 )=

La variable aleatoria continua X tiene una distribucin gamma, con parmetros y

, si su funcin de densidad est dada por

1
1
f ( x ; , )= ( ) x e , para x >0 ,
0 , en otro caso ,

Donde

>0 y

> 0 .

En la figura 1 se muestran grficas de varias distribuciones gamma para ciertos

valores especficos de los parmetros y . La distribucin gamma especial
para la que

= 1 se llama distribucin exponencial.

Figura 1. Distribucin gamma.

La media y la varianza de la distribucin gamma son
= y 2 = 2

Universidad Autnoma de Occidente

Karolina Castillo Seth
Probabilidad y Estadstica Grupo 6
Oscar Villanueva

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

, si su funcin de densidad es dada por

1
f ( x ; ) = e , x> 0,
0, en otro caso

> 0 .

Donde

La media y la varianza de la distribucin exponencial son

= y 2= 2

Ejemplos gamma

1. Suponga que cierta pieza metlica se romper despus de sufrir dos ciclos
de esfuerzo. Si estos ciclos ocurren de manera independiente a una
frecuencia promedio de dos por cada 100 horas. Obtener la probabilidad de
que el intervalo de tiempo se encuentre hasta que ocurre el segundo ciclo.
A. Dentro de una desviacin con respecto del tiempo promedio.
B. A ms de dos desviaciones por encima de la media.
Solucin:
X: Lapso que ocurre hasta que la pieza sufre el segundo ciclo de esfuerzo, en
horas.
Y: Nmero de ciclos / 100 horas ----Y ~P ( =2) E (Y) = 2
Y': Nmero de ciclos / hora ---------Y'~P (=0.02) E (Y') = 0.02 = X ~ G (2, 0.02)
170.7

A.

P=( < X < + ) =( 29.3< X <170.7 )=

29.3

0.02
xe0.02 x dx=0.73752
( 2)

2
2
= =
=100 2=
=5000 =70.71
0.02
0.02

( )

B.

P ( X > +2 )=P ( X >241.42 ) =0.0466

Universidad Autnoma de Occidente

Karolina Castillo Seth
Probabilidad y Estadstica Grupo 6
Oscar Villanueva

2. En cierta ciudad el consumo diario de energa elctrica, en millones de

kilovatios por hora, puede considerarse como una variable aleatoria con
distribucin GAMMA de parmetros = 3 y = 0.5. La planta de energa de
esta ciudad tiene una capacidad diaria de 10 millones de KW/hora Cul es
la probabilidad de que este abastecimientos sea:
A. Insuficiente en un da cualquiera?
B. Se consuman entre 3 y 8 millones de K. W/Hora?
C. Encuentre E(x).
10

1
(0.5)3 x 2 e0.5x dx=0.124652
(3) 0

A.

P ( X >10 )=1P ( X 10 )=1

B.

0.5 3
P (3< X <8 )=
x2 e0.5x dx=0.571
(3 ) 3

C.

E ( x )=

3
=6
0.5

Ejemplos distribucin exponencial

1. El tiempo durante el cual cierta marca de batera trabaja en forma efectiva

hasta que falle (tiempo de falla) se distribuye segn el modelo exponencial
con un tiempo promedio de fallas igual a 360 das.
A. qu probabilidad hay que el tiempo de falla sea mayor que 400 das?
B. Si una de estas bateras ha trabajado ya 400 das, qu probabilidad hay
que trabaja ms de 200 das ms?
Solucin
Sea X=el tiempo que trabaja la batera hasta que falle. El tiempo promedio de falla
es de 360 das. Entonces, X ~Exp (=1/360) y su funcin de densidad es:
1 ( 360 )
f ( x )=
e
, 0< x <
360
x

400
360

A.

P ( X >400 )=e

B.

P ( X >400+200| X >400 =P ( X >200 )=e

=0.329

(200
360 )
=0.574