UNISTMO

TEHUANTEPEC, OAXCA, 27 DE ENERO

DISTRIBUCIN BETA

Wilder Durante Gomez1, Gerardo Vidal Pavon2

1

Unistmo campus Tehuantepec, Oaxaca {correo-e1, correo-e2}

Unistmo campus Tehuantepec, Oaxaca {vidal.yama@hotmail.com}

ResumenEste trabajo demuestra el

Palabras Clavedistribucin beta, probabilidad, matlab,

INDICE
I. ANTESCEDENTES ........................................................... 1

Fig. 1. Jacques Philippe Marie Binet

II. SIGNIFICADO DEL METODO ....................................... 2

III. PROCEDIMIENTO DEL METODO ............................... 2
IV. PROBLEMAS PROPUESTOS ........................................ 3
V. SOLUCIN MATLAB ...................................................... 4
VI. CONCLUSIONES ........................................................... 4
VII. REFRENCIAS ............................................................... 4

I. ANTESCEDENTES

La funcin beta es una funcin especial estrechamente

relacionada con la funcin gamma. Fue estudiada
originalmente por Euler y Legendre. No obstante, su
nombre le fue dado por Jacques Binet [1].
Jacques Binet, matemtico y astrnomo francs naci en
Rennes, Bretaa, el 2 de febrero de 1786 y muri en Paris
el 12 de mayo de 1856. Entr en la cole Polytechnique
de Paris el 22 de noviembre de 1804 y, despus de
graduarse en 1806, trabaj para el Departamento de
Puentes y Carreteras del gobierno francs.

En 1807 asumi como profesor en la escuela Politcnica

y un ao despus era asistente del profesor de geometra
descriptiva y anlisis aplicado. En 1815 sucedi a Simen
Denis Poisson en la ctedra de mecnica.
En 1816 fue uno de los editores de la Mecnica Analtica
de Joseph-Louis de LaGrange.
En 1812 descubri la regla de multiplicacin de matrices.
Investig los fundamentos de la teora de matrices y
prepar el terreno para los posteriores trabajos de Arthur
Cayley y James Joseph Silvestre.
l, sin embargo, escribir una serie de documentos
importantes que influyeron en el desarrollo de las
matemticas, en particular, escribi Mmoire sur les
Intgrales dfinies Eulriennes et leur sur aplicacin a la
thorie des suites; ainsi qua lvaluation des fontions
des Grands Nombres en 1839.
En este trabajo Binet present lo que hoy se llama la
funcin B (m, n). Se ha sugerido que Binet eligi la
notacin B y lo llam una funcin beta, por la primera
letra de su propio nombre. [2]

II. SIGNIFICADO DEL METODO

Si n es un entero positivo entonces:

La distribucin de probabilidad beta es una funcin de
densidad con dos parmetros definida en un intervalo
cerrado de [0,1]. Se utiliza frecuentemente para modelos
de fracciones, tal como la proporcin de impurezas en un
producto qumico o la fraccin de tiempo que esta una
maquina en reparacin [1]

(n + 1) = (n) = (n 1)! = !
(n) = (n 1)! Para una integral positiva n.
1

Asimismo, tenemos la siguiente propiedad de ( ):

2

1
( ) =
2

Una distribucin que permite generar una gran variedad

de perfiles es la distribucin beta. Se ha utilizado para
representar variables fsicas cuyos valores de encuentran
restringidos a un intervalo de longitud finita y para
encontrar ciertas cantidades que se conocen como lmites
de tolerancia sin necesidad de la hiptesis de una
distribucin normal. Adems, la distribucin beta juega
un gran papel en la estadstica bayesiana [3].

Se dice que una variable aleatoria continua X sigue una

distribucin beta de parmetros y ambos mayores
que 0 si su funcin de densidad est definida como: [3].

La distribucin beta estndar se utiliza comnmente para

modelar la variacin en la proporcin o porcentaje de una
cantidad que ocurre en diferentes muestras, tal como la
proporcin de un da de 24 horas que un individuo est
despierto o la proporcin de un cierto elemento qumico
en un compuesto [4]

La distribucin beta tambin puede definirse por la

funcin de densidad:

III. PROCEDIMIENTO DEL METODO

Una extensin de la distribucin uniforme es la

distribucin beta. Primero definimos una funcin beta.

La media y la varianza de una distribucin beta en la que

los parmetros son:

Una funcin beta es definida por

En donde:
Donde () es la funcin gamma [2].

Sita la mxima densidad de probabilidad y por

ese motivo se le denomina la forma de la
distribucin.

Determina la forma o alcance de esta asimetra

positiva desplazando la densidad de probabilidad
a la cola de la derecha. Se puede interpretar como
el tiempo promedio entre ocurrencia de un
suceso.

Las cantidades y de la distribucin beta son,

ambas, parmetros de perfil. Valores distintos de
y darn distintos perfiles para la funcin de

Donde la funcin gamma denotada por () se define

como [2]:

Una frmula de recurrencia est dada por:

(n + 1) = (n)
Donde (1) = 1 se puede obtener una extensin de la
funcin gamma para n<0.
TEHUANTEPEC, OAXACA 27 DE ENERO DEL 2017

densidad beta. Si tanto como son menores que

uno, la distribucin beta tiene un perfil en forma
de U. Si <1 y 1, la distribucin tiene un perfil
de J transpuesta, y si <1 y 1, el perfil es una
J. Cuando los dos valores son mayores que uno,
la distribucin presenta un pico en x = ( - 1)/ (
+ - 2). Finalmente, la distribucin beta es
simtrica cuando = [3]
La funcin de distribucin acumulativa est definida por:

La proporcin de tramos de una autopista que requieren

repararse anualmente, es una variable aleatoria con
distribucin Beta de parmetros = 3 = 2.
a) En promedio que porcentaje de tramos requieren
anualmente y con qu variacin
b) Calcular la probabilidad de que al menos la mitad
de los tramos de la autopista requieren
reparacin, en un ao cualquiera [7].

Para el inciso a.

Un distribuidor mayorista de gasolina dispone de tanques

de almacenamiento que contienen una cantidad fija de
gasolina y que se llenan cada lunes. La proporcin de esta
reserva que se vende durante la semana, es de sumo
inters para el distribuidor. Mediante observaciones
durante muchas semanas, se encontr que se podra
representar el modelo de esta proporcin mediante una
distribucin beta con =4 y =2. Encuentre la
probabilidad de que el mayorista venda al menos el 90%
de su reserva durante una semana dada [5].

= .
() = 2 =

( ) =

( > 0.9) =

0.9

(4 + 2 ) 3
(1 )
(4 ) (2 )
0.1

6
= 0.04
25 6

= .

Para el inciso b.
(5)
4!
2 (1 ) =
2 (1 )
(3)(2)
2! 1!
() = 12 2 (1 )
0.5

4
4 2
=
= =
+ 4 + 2 6 3
0.1

( + )2 ( + + 1)

() = 2 =

() =

Sea X la proporcin del suministro (reserva) que se vende

durante la semana [6].

2
=
+ 2+3

() = =

IV. PROBLEMAS PROPUESTOS

( < 0.5) = ()
0
0.5

( < 0.5) = 12 2 (1 )
0

( < 0.5) = |4 3 3 4 |0.5

0
3(

( > 0.9) = 20 1 )
0.9

( < . ) = .
1

4 5
( > 0.9) = 20 ( )|
4
5 0.9
1

4 5
( > 0.9) = 20 ( )|
4
5 0.9
( > 0.9) = 20(0.05 0.045927) = 20(0.004073)

Solucin Excel
La solucin al problema en Excel se busca la opcin de
funcin, y localiza la parte de DISTR.BETA.N,
posteriormente se anexa los parmetros como se ve
observa en la Figura 3.

( > 0.9) = 20(0.05 0.045927) = 20(0.004073)

( > 0.9) = 0.004073 = . = . %

TEHUANTEPEC, OAXACA 27 DE ENERO DEL 2017

Publicaciones peridicas:

Fig. 3. Calculo en Excel de la Distribucin de Probabilidad

Beta

V. SOLUCIN MATLAB

El programa de Matlab nos ayuda a resolver el problema

mediante el ingreso del comando BETACDF, la
solucin del ejemplo anterior se observa en la siguiente
Figura dando resultado semejante a la solucin analtica.

[1] J. F. Fuller, E. F. Fuchs, y K. J. Roesler, "Influencia de los

armnicos en la proteccin de sistemas de distribucin de
potencia," IEEE Trans. Power Delivery, vol. 3, pp. 549-557, abril
1988.
[2] E. H. Miller, "A note on reflector arrays," IEEE Trans. Antennas
Propagat., a ser publicado.
[3] R. J. Vidmar. (1992, Aug.). On the use of atmospheric plasmas as
electromagnetic reflectors. IEEE Trans. Plasma Sci. [Online].
21(3),
pp.
876-880.
Disponible
en
:
http://www.halcyon.com/pub/journals/21ps03-vidmar

Libros:
[4] E.
[5]

Fig. 4. Distribucin de Probabilidad

VI. CONCLUSIONES

VII. REFRENCIAS

[1]

S. Martin, Distribucin Beta: IPN, [En lnea]. Available: https://prezi.com/sw_rqy5h43m0/distribucion-beta/.

[ltimo acceso: 25 Enero 2017].

[2]
[3]
[4]
[5]

25 Enero 2017. [En lnea]. Available: http://www-groups.dcs.st-and.ac.uk/~history/Biographies/Binet.html.

[6]

L. B. Castaeda, Probabilidad Google Books, [En lnea]. Available:

https://books.google.com.mx/books?id=IrACe_79myIC&printsec=frontcover&hl=es#v=onepage&q&f=false.
[ltimo acceso: 25 ENERO 2017].

[7]

26 enero 2017. [En lnea]. Available: http://www.bdigital.unal.edu.co/6187/17/9589322751_Parte5.pdf.

G. C. Canavos, Probabilidad y Estadistica aplicaciones y metodos.

J. L. Devore, Probabilidad y estadistica, CEANGE LEARNING.
UNICAN, lemat unican, [En lnea]. Available:
http://www.lemat.unican.es/lemat/proyecto_lemat/estadistica/nivel3/teoria/estadistica93.htm. [ltimo acceso: 2017
ENERO 25].

TEHUANTEPEC, OAXACA 27 DE ENERO DEL 2017