Tema: Modelo exponencial gamma de 2 parámetros

Una de los modelos mas importates de variable contínua es la distribución exponencial. Se la

utiliza como modelo para representar el tiempo de funcionamiento o de espera.

Se dice que una variable aleatoria continua X sigue una distribución exponencial de parámetro
λ si su función de densidad es:

Donde λ es una constante positiva. Se nota como X~E(λ)

La función de distribución correspondiente es:

Distribución exponencial () : La distribución exponencial es un caso particular de la

distribución gamma y el equivalente continuo de la distribución geométrica discreta. Esta ley de
distribución describe procesos en los que interesa saber el tiempo hasta que ocurre
determinado evento; en particular, se utiliza para modelar tiempos de supervivencia. Un
ejemplo es el tiempo que tarda una partícula radiactiva en desintegrarse. El conocimiento de la
ley que sigue este evento se utiliza, por ejemplo, para la datación de fósiles o cualquier materia
orgánica mediante la técnica del carbono 14. Una característica importante de esta distribución
es la propiedad conocida como “falta de memoria”. Esto significa, por ejemplo, que la
probabilidad de que un individuo de edad t sobreviva x años más, hasta la edad x+t, es la misma
que tiene un recién nacido de sobrevivir hasta la edad x. Dicho de manera más general, el tiempo
transcurrido desde cualquier instante dado t0 hasta que ocurre el evento, no depende de lo que
haya ocurrido antes del instante t0. Se cumple que variable aleatoria que tome valores positivos
y que verifique la propiedad de “falta de memoria” sigue una distribución exponencial [8]. Esta
distribución se puede caracterizar como la distribución del tiempo entre sucesos consecutivos
generados por un proceso de Poisson; por ejemplo, el tiempo que transcurre entre dos heridas
graves sufridas por una persona. La media de la distribución de Poisson, , que representa la
tasa de ocurrencia del evento por unidad de tiempo, es el parámetro de la distribución
exponencial, y su inversa es el valor medio de la distribución.

uso de la distribución exponencial ha sido limitado en bioestadística, debido a que la propiedad

de falta de memoria la hace demasiado restrictiva para la mayoría de los problemas. Epidat 4
permite realizar cálculos de esta distribución siempre y cuando el parámetro  sea menor o igual
que 100. Campo de variación: 0 < x <  Parámetros: : tasa,  > 0
DISTRIBUCION GAMMA
La distribución gamma se puede caracterizar del modo siguiente: si se está interesado en la
ocurrencia de un evento generado por un proceso de Poisson de media , la variable que mide
el tiempo transcurrido hasta obtener n ocurrencias del evento sigue una distribución gamma
con parámetros a = n (escala) y p = n (forma). Se denota por Gamma(a,p). Por ejemplo, la
distribución gamma aparece cuando se realiza el estudio de la duración de elementos físicos
(tiempo de vida).

Cuando p es un número entero positivo se tiene un caso particular de la distribución gamma que
se denomina distribución de Erlang. Otros casos particulares de la distribución gamma, que se
comentarán con detalle más adelante, son la distribución exponencial (Gamma(,1)) y la
distribución ji-cuadrado (Gamma(1/2,n/2)). Según los valores que tome el parámetro de forma,
p, la función de densidad presenta perfiles muy diversos. Con valores de p menores o iguales
que 1, la función de densidad muestra un perfil decreciente; en cambio, si p es mayor que la
unidad, la función de densidad crece hasta el valor x= (p-1)/a y decrece a partir de este valor.
Epidat 4 limita los cálculos a valores de los parámetros menores o iguales que 25. Campo de
variación: 0 < x <  Parámetros: a: escala, a > 0 p: forma, p > 0

A pesar de que la distribución Normal puede utilizarse para resolver muchos problemas
en ingeniería y ciencias, existen aún numerosas situaciones que requieren diferentes tipos
de funciones de densidad, tales como la exponencial y la gamma y algunas otras como la
weibull, etc., etc., de momento solo trataremos sobre el uso de la exponencial.

Resulta que la exponencial es un caso especial de la distribución gamma, ambas tienen

un gran número de aplicaciones. Las distribuciones exponencial y gamma juegan un papel
importante tanto en teoría de colas como en problemas de confiabilidad. El tiempo entre
las llegadas en las instalaciones de servicio y el tiempo de falla de los componentes y
sistemas eléctricos, frecuentemente involucran la distribución exponencial. La relación
entre la gamma y la exponencial permite que la distribución gamma se utilice en tipos
similares de problemas
Distribucion Gamma En la teoría de probabilidad y estadística, la distribución gamma es
una familia de dos parámetros de las distribuciones de probabilidad continua. Tiene un θ
parámetro de escala y un parámetro de forma k. Si k es un entero entonces la distribución
representa la suma de k variables independientes de distribución exponencial al azar, cada
una de ellas tiene una media de θ (que es equivalente a un parámetro de tasa de θ -1).
La distribución gamma es con frecuencia un modelo de probabilidad para los tiempos de
espera, por ejemplo, en las pruebas de la vida, el tiempo de espera hasta que la muerte es
una variable aleatoria que a menudo se modela con una distribución gamma [1].
Distribuciones Gamma se ajustaban a las cantidades de lluvia de las tormentas diferentes,
y las diferencias en las cantidades de semillas y las tormentas de preclasificación se
reflejan en las diferencias de k y los parámetros estimados θ [2]
La fórmula general para la función de densidad de probabilidad de la distribución gamma es
de:
Ejercicio 1.- La concentración de un contaminante se distribuye uniformemente en el intervalo
de 0 a 20 millones. Una concentración se considera tóxica a partir de 8 millones. Se pide: a)
Probabilidad de que al tomar una muestra la concentración resulte tóxica b) Concentración
media y varianza c) Probabilidad de que la concentración sea de 10 millones
Ejercicio 2.- El tiempo de vida media de un marcapasos sigue una distribución exponencial con
media 16 años. Se pide: a) Probabilidad de que a una persona a la que se ha implantado un
marcapasos se le deba de implantar otro antes de 20 años b) Si el marcapasos lleva
funcionando correctamente 5 años en un paciente, ¿cuál es la probabilidad de que haya de
cambiarlo antes de 25 años?
Ejercicio 3.- El tiempo de revisión del motor de un avión sigue aproximadamente una
distribución exponencial, con media 22 minutos. a) Hallar la probabilidad de que el tiempo de
la revisión sea menor de 10 minutos b) El costo de la revisión es de 200 euros por cada media
hora o fracción. ¿Cuál es la probabilidad de que una revisión cueste 400 euros? c) Para efectuar
una programación sobre las revisiones del motor, ¿cuánto tiempo se debe asignar a cada
revisión para que la probabilidad de que cualquier tiempo de revisión mayor que el tiempo
asignado sea solo de 0,1?

Solución