DISTRIBUCIN GAMMA

1) CONCEPTO
La distribucin de probabilidad de la variable aleatoria que representa el
tiempo, hasta que se produce veces un determinado suceso, se llama
distribucin Gamma (sta es una manera de describir a la distribucin gamma),
con parmetros y .
2) APLICACIN
Sirve de modelo para numerosos experimentos en donde interviene el tiempo.
En general en los siguientes casos:

Las llegadas de aviones a un aeropuerto,

Problemas de trfico en lneas telefnicas,
Tiempo de falla de un sistema de componentes
Ingresos familiares
Altura de la precipitacin mensual
Edad del hombre al contraer matrimonio por primera vez
Tiempo total para completar una operacin, si esta se lleva cabo en
subestaciones a una frecuencia.

CARACTERISTICAS
Esta distribucin continua depende de dos parmetros:

: Parmetro que vara la forma de la distribucin

: Parmetro que vara la escala de la distribucin
En esta distribucin sucede que algunas variables aleatorias son no negativas
siempre y tienen distribuciones sesgadas a la derecha, es decir la mayor parte
del rea bajo la grfica y la funcin de densidad se encuentra cerca del origen y
los valores de la funcin de densidad disminuyen gradualmente cuando X
aumenta.

LA FUNCIN GAMMA
Entre los aos 1730 y 1731 Euler calcul miembros de series, mediante
integrales determinadas que ms tarde sern llamadas funcin beta y funcin
gamma. La funcin gama fue llamada tambin Funcin Factorial o integral
Euleriana de segunda especie.
Una variable aleatoria x tiene una distribucin Gamma si su densidad de
probabilidad est dada por:

1
1
f (x) = ( ) x e para x >0
0 en cualquier otra parte

Dnde:

> 0 y >0

FUNCION GAMMA:

( )= y 1 e y dy para >0
0

La media y la varianza de la distribucin gamma estn dadas por

= / y = /

La funcin gamma satisface las siguientes condiciones:

a Para cualquier >1, ( )=(1) ( 1)

b Para cualquier entero positivo n , (n )=( n1 ) !
c (0.5) =

EJERCICIO:
El tiempo en horas que semanalmente requiere una mquina para
mantenimiento es un variable aleatorio con distribucin gamma con parmetros
=3, =2.
a) Encuentre la probabilidad que en alguna semana el tiempo de
mantenimiento sea mayor a 8 horas.
b) Si el costo de mantenimiento en dlares es C= 30X +2X2, siendo X el
tiempo de mantenimiento, encuentre el costo promedio de
mantenimiento.

SOLUCIN:
Sea X, duracin del mantenimiento en horas (variable aleatoria)
Su densidad de probabilidad es:
f (x) =

1
1
1 2 x /2
1 x/
31 x /2
x e = 3
x e = x e
16
( )
2 (3)

a) P(X>8) es el rea resaltada en el grafico

=3,
=2

P(X>
8)

1
P ( X >8 ) =1P ( X 8 )=1 x 2 ex/ 2 dx
16 0

Para integrar se puede utilizar dos veces la tcnica de integracin por

partes:

x
2

e dx

u=x 2

du=2 xdx
x

dv=ex/ 2 dx v=2 e 2 =2 x 2 e 2 + 4 x e 2 dx
x

x e 2 dx
Integracin por partes otra vez:

u=x du=dx
x

dv=e 2 dx v=2 e 2 =2 x e 2 + 2 e 2 dx
Sustituyendo los resultados intermedios:

P ( X >8 ) =1 2 X e

x
2

+ 4 (2 x e

x
2

+2 (2 e ))] 8 =0.2381
0
x
2

b) COSTO PROMEDIO DE MANTENIMIENTO:

E [ C ] =E [ 30 X +2 X 2 ] =30 E [ X ] +2 E [ X 2 ]

E [ X ] = =3 ( 2 )=6

1 2
E [ X ] = x f (x ) dx= x
x e
16

0
2

x
2

1
dx= x 4 e 2 dx
16 0

Sustituya y=x/2 para usar la funcion Gamma:

1
( 2 y )4 ey ( 2 dy )=2 y 4 e y dy =2 ( 5 ) =2 ( 4 ! ) =48

16 0
0
FINALMENTE SE OBTIENE:

E [ C ] =30 ( 6 )+2 ( 48 )=276 DOLRES

EJERCICIO 2

Suponga que el tiempo de sobrevivencia X en semanas de un ratn macho

seleccionado al azar expuesto a 240 rads de radiacin gamma tiene una
distribucin gamma con = 8 y = 15. (Datos en Survival Distributions:
Reliability Applications in the Biomedical Services, de A. J. Gross y V.
Clark, sugiere = 8.5 y = 13.3) El tiempo de sobrevivencia esperado es
E(X) = (8)(15) = 120 semanas, en tanto que V(X) = (8)(15)2= 1800 y
desviacin estndar= 42.43 semanas. La probabilidad de que un ratn
sobreviva entre 60 y 120 semanas es

P (60 X 120) = P(X 120)

P(X60)

=F1(X/ ; ) F2(X/ ; )

= F(120/15; 8)
= F(8;8)

F(60/15;8)

F(4;8) = 0.547 0.051 = 0 .496

La probabilidad de que un ratn sobreviva por lo menos 30 semanas es

P(X 30) = 1

P(X < 30)= 1

P(X30)

= 1 F(30/15;8)=0.999

CONCLUSION:

Podemos concluir que son muchas las aplicaciones que tiene esta
distribucin a experimentos o fenmenos aleatorios que tienen
asociadas variables aleatorias las cuales son siempre no negativas y
sus distribuciones son sesgadas a la derecha, es decir, el rea bajo la
funcin de densidad disminuye a medida que nos alejamos del origen