Académique Documents
Professionnel Documents
Culture Documents
DISTRIBUCIÓN BETA
Laura Alejandra Caicedo Suárez e Isabella Burbano García
Introducción
La distribución beta es posible para una variable aleatoria continua que toma valores en el intervalo [0,1], lo que la
hace muy apropiada para modelar proporciones. En la inferencia bayesiana, por ejemplo, es muy utilizada como
distribución a priori cuando las observaciones tienen una distribución binomial.
Uno de los principales recursos de esta distribución es el ajuste a una gran variedad de distribuciones empíricas,
pues adopta formas muy diversas dependiendo de cuáles sean los valores de los parámetros de forma α y β ,
mediante los que viene definida la distribución.
Origen de la distribucion
Su origen en un trabajo de Ballestero en 1973, relacionado con un método utilizado en la Teoría General de
Valoración, denominado, por Ballestero y Caballer (1982), método de las dos distribuciones beta. Este método se
ha extendido a otros tipos de distribuciones, tales como la triangular y uniforme, Romero (1977), a la distribución
trapezoidal (Herrerías, García, Cruz y Herrerías (2000)), y a la distribución trapezoidal CPR Callejón, Pérez,
Ramos (1996) utilizada por García, Evangelista y Gómez (1999).
Esta subfamilia puede emplearse, con ventajas evidentes, en el método PERT para ajustar la distribución básica,
debido a que es triparamétrica y amplía el marco de subfamilias de distribuciones beta usadas en el método
PERT, junto con las de varianza constante y mesocúrticas, introducidas por Herrerías, Pérez, Callejón y Herrerías
(1999).
Características
Campo de variaci n: ó
0 ≤ x ≤ 1
á
Par metros:
á
α : par metro de forma, α > 0
á
β : par metro de forma, β > 0
α−1 β−1
⎧
⎪ x (1 − x)
, 0< x <1
f (x) = ⎨ B(α, β)
⎩
⎪
0, en cualquier otro caso.
1
Γ(α)Γ(β)
α−1 β−1
B(α, β) = ∫ x (1 − x) dx = , para α, β > 0
0
Γ(α + β)
https://rstudio-pubs-static.s3.amazonaws.com/166233_44a100ae858948c89b6e20ae657088e9.html 1/4
5/10/2018 DISTRIBUCIÓN BETA
α 2
αβ
μ = y σ =
2
α + β (α + β) (α + β + 1)
Después de varias semanas de observación, el mayorista descubre que este porcentaje podría describirse
mediante una distribución beta con α = 4 y β = 2
Solución en R
Sea la variable aleatoria discreta X, ventas de gasolina durante la semana. Dicha variable aleatoria, sigue una
distribución Beta: X ~ (4, 2)
Apartado a)
Para resolver este apartado, necesitamos resolver: P( X > 0.9), empleamos para tal propósito, la función de
distribución con el área de cola hacia la derecha:
Por lo tanto, la probabilidad de que venda más al menos el 90% de la existencia de gasolina en una semana es
muy baja: 0.08146.
Apartado b)
Para resolver este apartado, necesitamos resolver: P( X <. 0.5), empleamos para tal propósito, la función de
distribución con el área de cola hacia la izquierda:
Por lo tanto, la probabilidad de que venda menos del 50% de la existencia de gasolina en una semana es: 0.1875.
Apartado c)
Necesitamos obtener el valor de x (Ventas de gasolina en una semana) para satisfacer: P( X <. x) = 1/5,
empleamos para tal propósito, la función de cuantiles con el área de cola hacia la izquierda:
https://rstudio-pubs-static.s3.amazonaws.com/166233_44a100ae858948c89b6e20ae657088e9.html 2/4
5/10/2018 DISTRIBUCIÓN BETA
Por lo tanto, la cantidad de gasolina vendida que sea inferior para obtener una probabilidad de 1/5 son:
0.5098077.
Es decir, para una probabilidad de 1/5, hay que vender menos del 50.98077% de sus existencias de gasolina en
una semana.
Apartado d)
Necesitamos obtener el valor de x (Ventas de gasolina en una semana) para satisfacer: P( X > x) = 2/5,
empleamos para tal propósito, la función de cuantiles con el área de cola hacia la derecha:
Por lo tanto, la cantidad de gasolina vendida que se rebase para obtener una probabilidad de 2/5 son: 0.7344313.
Es decir, para una probabilidad de 2/5, hay que vender más de 73.44313% de sus existencias de gasolina en una
semana.
La distribucion beta estandar se utiliza por lo comun para modelar la variación en la proporcion o porcentaje de
una cantidad que se presenta en muestras diferentes, tales como la proporción de horas que duerme un individuo
o la proporcion de cierto elemento de un compuesto químico.
1 1 (1)(1) 1
2
μ = = y σ = = ,
2
1 + 1 2 (1 + 1) (1 + 1 + 1) 12
respectivamente.
Bibliografia
DEVORE,Jay L.Probabilidad y estadistica para la ingenieria y ciencias. En: la distrbucíon beta. 5 edicíon.
California Polytechnic State University. P. 179-181. ISBN 970-686-067-3.
EL BARQUERO AQUERONTEBLOG. R: Distribución beta [en línea]. [citado el 18 de marzo del 2016]. Disponible
en: http://unbarquero.blogspot.com.co/2009/05/r-distribucion-beta.html
(http://unbarquero.blogspot.com.co/2009/05/r-distribucion-beta.html).
https://rstudio-pubs-static.s3.amazonaws.com/166233_44a100ae858948c89b6e20ae657088e9.html 3/4
5/10/2018 DISTRIBUCIÓN BETA
HERRERIAS, Rafael Pleguezuelo; RODRIGUES, Eduardo Pérez; HERRERIAS,José Manuel Velasco. Estudio de
una subfamilia de distribuciones beta de primera especie, utilizada en la teoría general de valoración. Anales de
Economía Aplicada. XIV Reunión ASEPELT-España. Oviedo, 22 y 23 de Junio de 2000. ISBN: 84-699-2357-9
MARIATEGUI, jose carlos .Distribucion de la probabilidad [en linea]. [citado el 17 de marzo del 2016]. Disponible
en: http://es.slideshare.net/josejoney/distribuciones-de-probalidad
(http://es.slideshare.net/josejoney/distribuciones-de-probalidad).
Sintaxis para la inclusión de fórmulas matemáticas en los foros [en linea].[citado el 17 de marzo del 2016].
disponible en: http://rinconmatematico.com/instructivolatex/formulas.htm
(http://rinconmatematico.com/instructivolatex/formulas.htm).
WACKERLY, Dennis D; MENDENHALL, William y SHEAFFER, Richard. Estadística matemática para con
aplicaciones. En: 4.7 Distribucion de probabilidad beta. Thomson. 6 edicíon. P. 182-185. ISBN 970-686-194-7.
https://rstudio-pubs-static.s3.amazonaws.com/166233_44a100ae858948c89b6e20ae657088e9.html 4/4