Contenido

Introduccin ....................................................................................................................... 2
Objetivos............................................................................................................................ 3
Distribucin Gamma .......................................................................................................... 4
Caractersticas ............................................................................................................... 4
Funcin de densidad ...................................................................................................... 4
Grafica ........................................................................................................................... 5
Media, desviacin tpica y varianza ................................................................................ 5
Ejemplo .......................................................................................................................... 5
Distribucin Beta................................................................................................................ 6
Caractersticas ............................................................................................................... 6
Funcin de densidad ...................................................................................................... 7
Funcin de distribucin................................................................................................... 7
Grafica ........................................................................................................................... 7
Media, desviacin tpica y varianza ................................................................................ 8
Ejemplo .......................................................................................................................... 8
Distribucin Erlang............................................................................................................. 9
Caractersticas ............................................................................................................... 9
Funcin de densidad .................................................................................................... 10
Funcin de distribucin................................................................................................. 10
Grafica ......................................................................................................................... 10
Media, desviacin tpica y varianza .............................................................................. 11
Ejemplo ........................................................................................................................ 11
Distribucin Weibull ......................................................................................................... 12
Caractersticas ............................................................................................................. 12
Funcin de densidad .................................................................................................... 12

Funcin de distribucin................................................................................................. 12
Grafica ......................................................................................................................... 13
Media, desviacin tpica y varianza .............................................................................. 13
Ejemplo ........................................................................................................................ 14
Conclusiones ................................................................................................................... 15
Cuestionario..................................................................................................................... 16

Introduccin
Una distribucin de probabilidad es continua cuando los resultados posibles del
experimento son obtenidos de variables aleatorias continuas, es decir, de variables
cuantitativas que pueden tomar cualquier valor, y que resultan principalmente del proceso
de medicin.
Las distribuciones de probabilidad de variable continua son idealizaciones de las
distribuciones estadsticas de variable continua. Estas se obtienen empricamente
(experimentando u observando). Aquellas son distribuciones tericas.
Las distribuciones de probabilidad de variable continua se definen por medio de una
funcin y = f(x) que se llama funcin de probabilidad o funcin de densidad. Ha de ser f(x)
0 para todo x.
Las probabilidades vienen dadas por el rea bajo la curva. Por tanto, el rea encerrada
bajo la totalidad de la curva es 1. Es decir, tomamos como unidad el rea bajo la curva
completa.
En este trabajo hablaremos de cuatro distribuciones de probabilidad para una variable
continua las cuales son: distribucin gamma, beta, Erlang y Weibull.

Objetivos
General

Conocer diferentes tipos de distribucin de probabilidad para una variable

continua

Especficos

Definir en qu consisten las cuatro distribuciones de probabilidad a

estudiar.

Mencionar las caractersticas y las ecuaciones o funciones de cada

distribucin de probabilidad.

Distribucin Gamma
Caractersticas
Este modelo es una generalizacin del modelo Exponencial ya que, en o casiones,
se utiliza para modelar variables que describen el tiempo hasta que se produce p veces
un determinado suceso.
La distribucin Gamma (, p = 1) es una distribucin Exponencial de parmetro . Es
decir, el modelo Exponencial es un caso particular de la Gamma con p = 1.
Dadas dos variables aleatorias con distribucin Gamma y parmetro
comn X ~ G(, p1) y Y ~ G(, p2)
Se cumplir que la suma tambin sigue una distribucin
Gamma
X + Y ~ G(, p1 + p2).
Una consecuencia inmediata de esta propiedad es que, si tenemos k variables aleatorias
con distribucin Exponencial de parmetro (comn) e independientes, la suma de todas
ellas seguir una distribucin G(, k).
Funcin de densidad

Siendo G(a) la funcin gamma, definida

como:

Como G(1) = 1, la funcin de probabilidad gamma cuando a = 1 es la exponencial. Otro

caso particular de esta funcin es t = 1/2 y a = r/2, siendo r un nmero natural, que recibe
el nombre de ji-cuadrado con r grados de libertad. Del mismo modo que la
variable

tiempo hasta que ocurra el primer evento de un proceso es de Poisson es exponencial,

la variable tiempo hasta que ocurra el evento k-simo es gamma con a = k
Grafica

Media, desviacin tpica y varianza

El valor esperado y la varianza de una variable aleatoria X de distribucin gamma son:

Ejemplo
Suponga que cierta pieza metlica se romper despus de sufrir dos ciclos de
esfuerzo. Si estos ciclos ocurren de manera independiente a una frecuencia promedio de
dos por cada 100 horas. Obtener la probabilidad de que el intervalo de tiempo se
encuentre hasta que ocurre el segundo ciclo.
a. Dentro de una desviacin con respecto del tiempo
promedio. b. A ms de dos desviaciones por encima de la
media. Solucin:
X: Lapso que ocurre hasta que la pieza sufre el segundo ciclo de esfuerzo ,en horas.
Y: Nmero de ciclos / 100 horas ----Y ~P(

Y': Nmero de ciclos / hora ---------Y'~P(

X ~ G(2, 0.02)

=2) E(Y) = 2

=0.02) E(Y') = 0.02 =

Distribucin Beta
Caracterstica
s
La distribucin de probabilidad beta es una funcin de densidad con dos parmetros
definida en el intervalo cerrado 0 <= y <= 1. Se utiliza frecuentemente como modelo para
fracciones, tal como la proporcin de impurezas en un producto qumico o la fraccin de
tiempo que una maquina est en reparacin.
La distribucin 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 distribucin a priori cuando las
observaciones tienen una distribucin binomial. Uno de los principales recursos de esta
distribucin es el ajuste a una gran variedad de distribuciones empricas, pues adopta
formas muy diversas dependiendo de cules sean los valores de los parmetros de
forma p y q, mediante los que viene definida la distribucin. Un caso particular de la
distribucin beta es la distribucin uniforme en [0,1], que se corresponde con una beta de
parmetros p=1 y q=1, denotada Beta(1,1).
Campo
variacin:

de

0 x
1
Parmetros
:
p: parmetro de forma, p >
0 q: parmetro de forma, q
>0

Funcin de densidad

Ntese que la definicin de (y) sobre el intervalo 0<= y <= 1 restringe su aplicacin. Si c<=
y <= d, y = (y- c) / (d- c) definir una nueva variable en el intervalo 0<= y <= 1. As la
funcin de densidad beta se puede aplicar a una variable aleatoria definida en el intervalo
c<= y <= d mediante una traslacin y una medicin en la escala.
Funcin de distribucin
La funcin de distribucin acumulativa para la variable aleatoria beta se llama
comnmente funcin beta y est dada por:

Grafica

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad

Media, desviacin tpica y varianza
El valor esperado y la varianza de una variable aleatoria X con distribucin beta son:

Ejemplo
En el presupuesto familiar, la porcin que se dedica a salud sigue una distribucin
Beta(2,2).
1. Cul es la probabilidad de que se gaste ms del 25% del presupuesto familiar en
salud?

2. Cul ser el porcentaje medio que las familias dedican a la compra de productos y
servicios de salud?

Teniendo en cuenta la distribucin beta, la probabilidad de que se gaste ms de la

cuarta parte del presupuesto en salud ser 0,84 y el porcentaje medio que las familias
dedican a la compra de productos y servicios de salud ser el 50%.

Distribucin Erlang
Caractersticas
La distribucin de Erlang es una distribucin de probabilidad continua con amplia
aplicabilidad principalmente debido a su relacin con las distribuciones exponencial y
gamma. La distribucin de Erlang fue desarrollado por AK Erlang para examinar el
nmero de llamadas telefnicas que pudieran ser realizados al mismo tiempo para los
operadores de las estaciones de conmutacin. Este trabajo de ingeniera de trfico
telefnico ha sido ampliado para tener en cuenta los tiempos de espera en los sistemas
de formacin de colas en general. La distribucin se utiliza ahora en el campo de los
procesos estocsticos y de biomatemticas.
La distribucin es una distribucin continua, que tiene un valor positivo para todos los
nmeros reales mayores que cero, y viene dada por dos parmetros: la forma, que es un
entero positivo, y la tasa, que es un nmero real positivo. La distribucin se define a
veces utilizando la inversa de la tasa parmetro, la escala. Es la distribucin de la suma
de las variables exponenciales independientes con media.
Cuando el parmetro de forma es igual a 1, la distribucin se simplifica a la distribucin
exponencial. La distribucin Erlang es un caso especial de la distribucin Gamma, donde
el parmetro de forma es un nmero entero. En la distribucin Gamma, este parmetro no
se limita a los nmeros enteros.

Est relacionada a una variable aleatoria Exponencial, mide la distancia (tiempo,

longitud, etc.) hasta que ocurre el primer conteo de un proceso de conteo poisson.
Una

variable

aleatoria

de

conteos en un proceso Poisson.

Funcin de densidad

Funcin de distribucin

Grafica

Erlang

mide

la

distancia

hasta

que

ocurre

Media, desviacin tpica y varianza

Su esperanza viene dada por:

Su varianza viene dada por:

La

funcin

generadora

de

momentos

responde

la

expresin:

Ejemplo
Suponga que cierta pieza metlica se romper despus de sufrir dos ciclos de esfuerzo.
Si estos ciclos ocurren de manera independiente a una frecuencia promedio de dos por
cada 100 horas. Obtener la probabilidad de que el intervalo de tiempo se encuentre hast
a que ocurre el segundo ciclo.

a. Dentro de una desviacin con respecto del tiempo

promedio. b. A ms de dos desviaciones por encima de la
media.

Distribucin Weibull
Caractersticas
Devuelve la probabilidad de una variable aleatoria siguiendo una distribucin de Weibull.
Esta distribucin se aplica en los anlisis de fiabilidad, para establecer, por ejemplo, el
periodo de vida de un componente hasta que presenta una falla.

Funcin de densidad

Funcin de distribucin

Grafica

Media, desviacin tpica y varianza

Ejemplo

14

Conclusiones

Una distribucin de probabilidad es continua cuando los resultados posibles del

experimento son obtenidos de variables aleatorias continuas, es decir, de
variables cuantitativas que pueden tomar cualquier valor, y que resultan
principalmente del proceso de medicin.

La distribucin de probabilidad beta es una funcin de densidad con dos

parmetros definida en el intervalo cerrado 0 <= y <= 1.

La distribucin de Erlang es una distribucin de probabilidad continua con amplia

aplicabilidad principalmente debido a su relacin con las distribuciones
exponencial y gamma.

Este modelo (distribucin gamma) es una generalizacin del modelo Exponencial

ya que, en ocasiones, se utiliza para modelar variables que describen el tiempo
hasta que se produce p veces un determinado suceso.

15

Cuestionario
1. Cmo se calcula el valor esperado y la varianza para la distribucin gamma?

Pagina 5
2.

cul

es

la

funcin

de

densidad

de

la

distribucin

gamma?

Pgina 4

3. Para quese utiliza la distribucin beta?

Se utiliza frecuentemente como modelo para fracciones, tal como la proporcin de
impurezas en un producto qumico o la fraccin de tiempo que una maquina estn
en reparacin. Pgina 6
4. Para qu se aplica la distribucin de Weibull? Esta distribucin se aplica en los
anlisis de fiabilidad, para establecer, por ejemplo, el periodo de vida de un
componente hasta que presenta una falla.
Pgina 12
5. Quin desarrollo la distribucin de Erlang?
La distribucin de Erlang fue desarrollado por AK Erlang para examinar el nmero
de llamadas telefnicas que pudieran ser realizados al mismo tiempo para los
operadores de las estaciones de conmutacin. Pgina 9
6. Para qu se utiliza la distribucin de Erlang en la actualidad?
La distribucin se utiliza ahora en el campo de los procesos estocsticos y de
biomatemticas. Pgina 9