Académique Documents
Professionnel Documents
Culture Documents
Definición
Una variable aleatoria continua X tiene distribución Gamma si su densidad de probabilidad está
dada por
1
x α −1e − x / β , x > 0
f ( x ) = βαΓ(α)
0, para otro x
α >0, β >0 son los parámetros para este modelo .
Γ (α ) = (α - 1)! .
Demostración
∞
Γ(α) = ∫ x α−1e −xdx
0
α α -2
u = x -1 ⇒ du = (α -1)x dx Para integrar por partes
dv = e dx ⇒ v = -e-x
-x
Se obtiene
∞
Γ( α) = ( α − 1)∫ x α−2 e − x dx = (α - 1)Γ (α - 1)
0
Sucesivamente
Γ (α ) = (α -1)(α -2)(α -3)...Γ (1), pero Γ (1) = 1 por integración directa.
µ = E[X] = α β , σ 2
= V[X] = α β 2
.
Demostración para µ
∞ ∞ ∞
1 1
µ = ∫ xf ( x )dx =
−∞
∫x
0
α
β Γ( α) β Γ( α) ∫0
x α−1e −x / βdx = α x αe −x / βdx
Ejemplo
El tiempo en horas que semanalmente requiere una máquina para mantenimiento es una variable
aleatoria con distribución gamma con parámetros α =3, β =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 dólares es C = 30X + 2X2, siendo X el tiempo de
mantenimiento, encuentre el costo promedio de mantenimiento.
Solución
Sea X duración del mantenimiento en horas (variable aleatoria)
Su densidad de probabilidad es:
1 1 1 2 −x / 2
f(x) = α
x α−1e −x / β = 3 x 3 −1e − x / 2 = x e
β Γ( α) 2 Γ(3) 16
8
1
16 ∫0
P(X>8) = 1 – P(X≤ 8) = 1 - x 2e − x / 2dx
Para integrar se pueden aplicar dos veces la técnica de integración por partes:
∫x e −x / 2dx ,
2
u = x2 ⇒ du = 2x dx
dv = e-x/2 dx ⇒ v = -2 e-x/2
= -2x2 e-x/2 + 4 ∫ x e
−x / 2
dx
∫x e
−x / 2
dx
u = x ⇒ du = dx
dv = e-x/2dx ⇒ v = -2 e-x/2
= -2x e-x/2 + 2 ∫ e
−x / 2
dx
Finalmente se obtiene
DISTRIBUCIÓN EXPONENCIAL
Definición
Una variable aleatoria continua X tiene distribución exponencial su densidad de probabilidad
está dada por
1 −x / β
e , x>0
f ( x ) = β
0, para otro x
β >0, es el parámetro para este modelo .
µ = E[X] = β , σ 2
= V[X] = β 2
.
Problema
Un sistema usa un componente cuya duración en años es una variable aleatoria con distribución
exponencial con media de 4 años. Si se instalan 3 de estos componentes y trabajan
independientemente, determine la probabilidad que al cabo de 6 años, dos de ellos sigan
funcionando.
Solución
Sea Y: variable aleatoria continua (duración de un componente en años)
µ =β =4
Su densidad de probabilidad es
1 −y / 4
f ( y) = e ,y > 0
4
La probabilidad que un componente siga funcionando al cabo de 6 años:
6
−y / 4 1
P(Y≥ 6) = 1 – P(Y<6) = 1 − ∫ e dy = 0.2231
04
Sea X: variable aleatoria discreta (cantidad de componentes que siguen
funcionando luego de 6 años)
X tiene distribución binomial con n=3, p=0.2231
n 3
f(x) = p x (1 − p)n − x = 0.2231 x 0.7769 3 − x
x x
3
P(X=2) = f(2) = 0.2231 2 0.7769 3 −2 = 0.1160 = 11.6%
2
Ejemplo
La llegada de los camiones a una bodega tiene distribución de Poisson con media de 4 por
hora. Calcule la probabilidad que el tiempo transcurrido entre la llegada de dos camiones
consecutivos sea menor a 10 minutos.
Solución
Sea X el tiempo transcurrido entre dos llegadas consecutivas (horas)
Es una variable aleatoria continua con distribución exponencial con parámetro β =
1/λ = 1/4
1 −x / β λ x
f(x) = βe = λ e- = 4e-4x, x>0
1/ 6
∫ 4e
−4 x
P(X<1/6) = dx = 0.4866 = 48.66%
0
DISTRIBUCIÓN DE WEIBULL
Definición
Una variable aleatoria continua X tiene distribución de Weibull si su densidad de probabilidad
está dada por
β
αβx β−1e −αx , x >0
f (x ) =
0, para otro x
α >0, β >0 son los parámetros para este modelo
Demostración de la media
Con la definición
∞ ∞
µ = E[X] =
−∞ 0
Mediante la sustitución
β β β
y = α x ⇒ dy = α β x -1dx = β yx-1dx = β y(y/α )-1/ dx
se obtiene
∞
∫y
1/ β
e −ydy
-1/β 0
µ =α
comparando con la función gamma
β
µ = α -1/ Γ (1+1/β )
Ejemplo
Suponga que la vida útil en horas de un componente electrónico tiene distribución de
Weibull con α =0.1, β =0.5
a) Calcule la vida útil promedio
b) Calcule la probabilidad que dure mas de 300 horas
Solución
Sea X: vida útil en horas (variable aleatoria continua)
su densidad de probabilidad:
β 0.5
f(x)= αβx β−1e −αx = 0.05 x −0.5 e −0.1x
β
a) µ = α -1/ Γ (1+1/β ) = (0.1)-1/0.5Γ (1+1/0.5) = 0.1-2Γ (3) = 200 horas
∞
∫
0.5
b) P(X>300) = 0.05 x −0.5 e −0.1x dx
300
∫e
−0.1
= 1 – P(X≤ 300) = 1 – 0.1 dy = 0.177
0
DISTRIBUCIÓN BETA
Definición
Una variable aleatoria continua X tiene distribución beta si su densidad de probabilidad
está dada por
Γ(α + β) α- 1
x (1 - x) β-1, 0 < x < 1
f ( x ) = Γ(α)Γ(β)
0, para otro x
α >0, β >0 son los parámetros para este modelo
α
µ = E[X] = α + β
αβ
σ 2 = V[X] = (α + β)2 (α + β + 1) .
Ejemplo
Un distribuidor de gasolina llena los tanques del depósito cada lunes. Se ha observado que
la cantidad que vende cada semana se puede modelar con la distribución beta con α =4, β =2
a) Encuentre el valor esperado de la venta semanal
b) Encuentre la probabilidad que en alguna semana venda al menos 90%
Solución
Sea X: proporción de combustible que vende semanalmente (variable aleatoria
continua con valor entre 0 y 1)
Su densidad de probabilidad es
Γ( 4 + 2) 4 −1
f(x) = Γ( 4 )Γ(2) x (1 − x )2 −1 = 20x3(1-x), 0<x<1
α 4
a) µ =E[X]= α + β = = 2/3 (vende en promedio 2/3 del tanque
4 +2
cada semana)
1
0.9
Es el área marcada en el siguiente gráfico