Académique Documents
Professionnel Documents
Culture Documents
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:
CARACTERISTICAS
Esta distribucin continua depende de dos parmetros:
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
= / y = /
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)
=3,
=2
P(X>
8)
1
P ( X >8 ) =1P ( X 8 )=1 x 2 ex/ 2 dx
16 0
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
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
1
( 2 y )4 ey ( 2 dy )=2 y 4 e y dy =2 ( 5 ) =2 ( 4 ! ) =48
16 0
0
FINALMENTE SE OBTIENE:
EJERCICIO 2
P(X60)
=F1(X/ ; ) F2(X/ ; )
= F(120/15; 8)
= F(8;8)
F(60/15;8)
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