Distribucin Gamma

La distribuciones estadsticas de varias variables atmosfricas son sin

lugar a dudas asimtricas, y sesgadas a la derecha. Es muy comn
que el sesgo ocurre cuando existe un lmite fsico sobre la izquierda
que est1 relativamente cerca del rango de datos. Los ejemplos mas
comunes son la precipitacin, la velocidad del viento, la humedad
relativa, los cuales esta fsicamente restringidos a ser no-negativos. A
pesar de que matemticamente es posible ajustar una distribucin
gausiana en dichas situaciones, los resultados no son tiles.

Existe una gran variedad de distribuciones continuas que estn

limitadas a la derecha por cero y estn positivamente sesgadas. Una
eleccin comn usada para representar los datos de precipitacin, es
la distribucin gamma.

x 1
e

f ( x )=

, x , , >0

Los dos parmetros de la distribucin son el parmetro de forma; y

el parmetro de escala. La cantidad () es la funcin gamma.
Para < 1 la distribucin esta fuertemente sesgada a la derecha, con
f(x) as x0. Para = 1 la funcin corta el eje vertical en 1/
para x = 0 (Este caso especial de la distribucin gamma es llamada la
distribucin exponencial).
Para >1 la distribucin gamma comienza en el origen, f(0)=0.
Progresivamente mayores valores de resultan en menos sesgo, y
un desplazamiento de la probabilidad de densidad a la derecha. Para

valores de muy grandes (mayores que 50 a 100) la distribucin

gamma se aproxima a la distribucin normal en su forma.
El parmetro es siempre adimensional.
El rol del parmetro de escala es alargar o estrechar la funcin
gamma a la derecha o a la izquierda.
Los dos parmetros de la distribucin son el parmetro de forma; y
el parmetro de escala.
Estos parmetros se pueden estimar mediante la aproximacin de
Thom

1
2
4A
1+ 1+
4A
3

A=ln x

ln x
n

La distribucin gamma se define a partir de los parmetros de forma

y de escala.
Estos parmetros se pueden estimar mediante la aproximacin de
Thom.
Se destaca que con valores iguales a cero no es posible el clculo del
valor A pues el logaritmo de cero es infinito. En el caso de que
aparezcan valores nulos hay que crear una funcin mixta compuesta
de la probabilidad del valor nulo y la probabilidad del valor no nulo:
q y p = 1-q.
Ejemplo:
Con los datos de precipitacin del mes de Julio se pide calcular los
percentiles 20, 40, 60 y 80, mediante el empleo de la ley de
distribucin Gamma.
Solucin.
El nmero de datos de la serie es de 29. Podemos observar que en
algunos aos durante el mes de Julio no hubo precipitacin. Como con
los valores iguales a cero no es posible el clculo del valor A pues el
logaritmo de cero es infinito. Hay que crear una funcin mixta
compuesta de la probabilidad del valor nulo q y la del valor no nulo
p=1-q
0.0
0.0
9.4
6.0
0.0
10.5

44.8
8.7
10.0
2.8
12.3
3.9

3.2
2.5
8.2
37.1
16.7
4.8

2.8
68.6
71.2
9.7
72.9
13.8

0.0
5.6
4.0
37.9
2.6

Solucin
H(X) = q + p G(X) Funcin mixta
q: probabilidad de que se presente un valor cero (sin precipitacin) es
fcil de calcular considerando los ceros existentes con respecto al
total de datos. p = 1-q
Como del total de 29 datos tenemos 4 con cero, tenemos:
q = 4/29 = 0.1379 (13.79)
p = 1- q = 25/29 = 0.8620 (86.21)
As eliminamos los ceros y hacemos los clculos slo para los 25
valores restantes (funcin G(X) que afecta a p), posteriormente al
final consideraremos la funcin mixta (H).
H(X) = q + p G(X) Funcin mixta
Suma de los 25 datos = 470
Media = 470/25 = 18.8
Las formulaciones a emplear son:

1
2
4A
1+ 1+
4A
3

A=ln x

ln x
n

Tomando el valor de A obtenemos el valor del parmetro alfa y el

valor del parmetro de distribucin beta :
Alfa = 0.9109
Beta = 20.6393
Luego para calcular A es necesario calcular el logaritmo neperiano de
todos los valores (los 25 no cero). As:
ln (media) = 2.9338
Suma (lnx) = 57,11256
Luego A es igual a: A = 2,9338 (57,11256/25) = 0.649

Distribucin Weibull
La distribucin de Weibull complementa a la distribucin exponencial
y a la normal, se usa cuando se sabe de antemano que una de ellas
es la que mejor describe la distribucin de fallos o cuando se han
producido muchos fallos (al menos 10) y los tiempos
correspondientes no se ajustan a una distribucin ms simple.
La distribucin de Weibull nos permite estudiar cul es la distribucin
de fallos de un componente clave de seguridad que pretendemos
controlar y que a travs de nuestro registro de fallos observamos que
stos varan a lo largo del tiempo y dentro de lo que se considera
tiempo normal de uso.
La distribucin de Weibull se representa normalmente por la funcin
acumulativa de distribucin de fallos F (t):

[ ( t tn ) ]

f ( t )=1e

(3)

Siendo la funcin densidad de probabilidad:

tt 0
f ( t )=
n n

( )

[ ( )]
e

tt 0
n

(2)

La tasa de fallos para esta distribucin es:

tt 0
( t )=
n n

( )

(1)

Las ecuaciones (1), (2) y (3) slo se aplican para valores de (t - t 0)

0. Para valores de (t - t0) < 0, las funciones de densidad y la tasa de
fallos valen 0. Las constantes que aparecen en las expresiones
anteriores tienen una interpretacin fsica:
t0 es el parmetro de posicin (unidad de tiempos) 0 vida
mnima y define el punto de partida u origen de la distribucin.
es el parmetro de escala, extensin de la distribucin a lo
largo, del eje de los tiempos. Cuando (t-t0)= la fiabilidad viene
dada por:
R(t)=exp-(1)=1/exp1=1/2,718=0,368(36,8%)
Entonces la constante representa tambin el tiempo, medido a
partir de t0 = 0, segn lo cual dado que F (t) = 1 - 0,368 =
0,632, el 63,2 % de la poblacin se espera que falle, cualquiera
que sea el valor de ya que como hemos visto su valor no
influye en los clculos realizados. Por esta razn tambin se le
llama usualmente vida caracterstica.
es el parmetro de forma y representa la pendiente de la
recta describiendo el grado de variacin de la tasa de fallos.

Ejemplo

1. Tenemos un conjunto de componentes que fallan en el siguiente

nmero de horas: 0.22; 0.5; 0.88; 1; 1.32; 1.33; 1.54; 1.76; 2.5 y 3. A
partir de estos valores, calcule la probabilidad de que un componente
de las mismas caractersticas dure ms de 5 horas: Para resolver este
problema, se adjuntan los valores de Ln(ti), ya que los necesitaremos
para calcular los parmetros con el mtodo analtico implcito.
i
1
2
3
4
5
6
7
8

ti
0.22
0.5
0.88
1
1.32
1.33
1.54
1.76

Ln(ti)
1.51412773
0.69314718
0.12783337
0
0.27763174

9
1
0

2.5
3

0.28517894
0.43178242
0.56531381
0.91629073
1.09861229

Si aplicamos las formulas del mtodo implcito para el clculo de los

parmetros, se obtiene:
n

ln(ti)

x= i=1

1,236
=0,1236
10
n

1
( ln tix )2=0,589
n1 i=1

Por lo que los parmetros sern:

=1.67
0.7674 6

=1.59
(0.1236+ 0.5775
1.67 )

=e

Entonces

[( ) ]=e
P (t >5 ) =1F ( 5 ) =e

5
1.59

1
2

1.7733

=0.169