PROBABILIDAD

•DANAY CHARLES Y
ESTADISTICA
•MOISES
HERNANDEZ
•ELY VALDEZ
Distribución
Gamma
 Distribución
Gamma

Es una distribución adecuada para modelizar el comportamiento de

variables aleatorias continuas con asimetría positiva. Es decir, variables
que presentan una mayor densidad de sucesos a la izquierda de la
media que a la derecha. En su expresión se encuentran dos
parámetros, siempre positivos, (α) y (β) de los que depende su forma y
alcance por la derecha, y también la función Gamma Γ(α), responsable
de la convergencia de la distribución.
 Los Parámetros
de la distribución
 El primer parámetro (α) situa la  Es el segundo parámetro (β) el que determina
Una forma de interpretar (β) es
máxima intensidad de probabilidad y la forma o alcance de esta asimetría positiva
“tiempo
por promedio
este motivo entrefuentes
en algunas ocurrencia
se desplazando la densidad de probabilidad en la
de un suceso”.
denomina Relacionándose
“la forma” de la con
el parámetro de la Poisson como cola de la derecha. Para valores elevados de (β)
distribución: cuando se toman valores la distribución acumula más densidad de
β=1/λ. Alternativamente λ
próximos a cero aparece entonces unserá el
ratiomuy
de ocurrencia: probabilidad en el extremo derecho de la cola,
dibujo similar al deλ=1/β. La
la distribución
expresión Cuando
exponencial. también seserá
tomannecesaria
valores alargando mucho su dibujo y dispersando la
más
más adelante
grandes para
de (α) poderde
el centro llevar
la a probabilidad a lo largo del plano. Al dispersar la
cabo el desarrollo
distribución matemático.
se desplaza a la derecha y probabilidad la altura máxima de densidad de
va apareceiendo la forma de una probabilidad se va reduciendo; de aquí que se
campana de Gauss con asimetría le denomine “escala”. Valores más pequeños de
positiva. (β) conducen a una figura más simétrica y
concentrada, con un pico de densidad de
probabilidad más elevado.
 Relación con
otras distribuciones

 Si se tiene un parámetro α de valores elevados y β pequeña, entonces

la función Gamma converge con la distribución normal. De media µ=
α*β , y varianza σ² = α*β² .
 Cuando α=1 y β=0 la distribución Gamma es exactamente la
distribución exponencial con parámetro (α=1).
𝑣
 Cuando la proporción entre parámetros es 𝛼 = : 𝛽 = 𝑣 entonces
2
la variable aleatoria se distribuye como una Chi-cuadrado con grados
de libertad.
 Si α=1, entonces se tiene la distribución exponencial negativa de
parámetro λ=1/β.
 Ventajas

 Número de individuos involucrados en accidentes de

tráfico en el área urbana: es más habitual que la
De esta forma, la
mayoría de partes abiertos den la proporción de 1
distribución Gamma es una herido por vehículo, que otras proporciones
distribución flexible para superiores.
modelizar las formas de la
asimetría positiva, de las  Altura a la que se inician las precipitaciones; sucede
más concentradas y de forma más habitual precipitaciones iniciadas a una
puntiagudas, a las más altura baja, que iniciadas a gran altitud.
dispersas y achatadas.  Tiempo o espacio necesarios para observar X sucesos
Como ejemplos de variables que siguen una distribución de Poisson.
que se comportan así…
 Distribución de la finura de fibras de lana: la mayoría
presentan una menor finura que unas pocas fibras
más gruesas.
 LA VARIANZA ESPERANZA MATEMATICA

𝑉 𝑋 = 𝛼𝛽² 𝐸 𝑋 = 𝛼𝛽

DESVIACION TIPICA DENSIDAD

𝐷(𝑋) = 𝛽 𝛼 1 𝑎−1 −
𝛽
𝑥
∗ 𝑥 ∗ 𝑒
𝛽𝛼 Γ 𝛼
La función de distribución es...
𝑢
1 𝑥 𝑎−1 −
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∗ ‫׬‬0 𝑢 ∗𝑒 𝛽 ∗ 𝑑𝑢
𝛽𝛼 Γ 𝛼
Recordar que..
𝛼 = 𝐸𝑠 𝑙𝑎 𝑚á𝑥𝑖𝑚𝑎 𝑖𝑛𝑡𝑒𝑛𝑠𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑.
1 1
λ= ∴𝛽=
𝛽 𝜆
“ 𝛽 = tiempo promedio entre ocurrencia de un suceso”.

𝑥 = 𝐿𝑎𝑝𝑠𝑜 𝑑𝑒 𝑡𝑖𝑒𝑚𝑝𝑜, 𝑚𝑖𝑛𝑢𝑡𝑜𝑠, 𝑑𝑖𝑎𝑠, 𝑠𝑒𝑚𝑎𝑛𝑎𝑠 𝑒𝑡𝑐.

 APUNTES
DISTRIBUCION GAMMA

FORMULA 1 𝑥 −
𝑢
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∗ ‫׬‬0 𝑢𝑎−1 ∗𝑒 𝛽 ∗ 𝑑𝑢
𝛽𝛼Γ 𝛼

VARIANZA
𝑉 𝑋 = 𝛼𝛽²

DESVIACIONTIPICA
𝐷(𝑋) = 𝛽 𝛼

MEDIA
𝐸 𝑋 = 𝛼𝛽

1 𝑥
DENSIDAD 𝑎−1 −
∗𝑥 ∗𝑒 𝛽
𝛽𝛼 Γ 𝛼

CUANDO SE USA se utiliza para modelar variables que describen el tiempo hasta que
se produce k veces un determinado suceso.
 Si un componente eléctrico falla una vez cada 5 horas, ¿cuál es el tiempo
medio que transcurre hasta que fallan dos componentes? ¿Cuál es la
probabilidad de que transcurran 12 horas antes de que fallen los dos
componentes?
𝜆=
1 𝑓𝑎𝑙𝑙𝑜
5 ℎ𝑜𝑟𝑎𝑠
𝜇 = 𝐸(𝑋)
∴𝛽=5 𝑃(𝑋 ≤ 12) = 0.3084410
En un 30.84% de las
𝛼=2 𝛼𝛽 = 2 ∗ 5 = 10ℎ𝑜𝑟𝑎𝑠 situaciones pasarán 12 horas
hasta que fallen dos
𝑥 = 12 ℎ𝑜𝑟𝑎𝑠 componentes.

𝑢
1 𝑥 𝑎−1 −
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∗ ‫׬‬0 𝑢 ∗𝑒 𝛽 ∗ 𝑑𝑢
𝛽𝛼 Γ 𝛼