View
26
Download
0
Embed Size (px)
Citation preview
Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial
Profesor: MSc. Claudio Araya Sassi [email protected] 1
Apuntes ICI2212 Modelos Estocsticos
Distribucin Gamma
Profesor: MSc. Claudio Araya Sassi 2 Semestre de 2013. Distribucin Gamma Una v.a. se dice tener una distribucin con parmetros ( ) si su est dada por:
( ) { ( )
( )
( )
Donde ( ), llamada la funcin gamma, est definida como:
( )
Integrando por partes se tiene:
( )
Reemplazando se tiene:
( ) |
( )
( ) ( ) ( )
( ) ( ) ( ) Relacin Recursiva As hemos demostrado que la funcin gamma sigue una importante relacin recursiva. Hacemos aplicando la ecuacin anterior repetidamente.
( ) ( ) ( )
( ) ( ) ( )
( )( ) ( )
Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial
Profesor: MSc. Claudio Araya Sassi [email protected] 2
Pero,
( ) |
Por lo tanto, ( ) ( ) ( ) Reemplazando la ecuacin (2) en (1) queda lo siguiente:
( ) { ( )
( )
Donde la funcin depende slo de , esto es, ( ) ( ) Propiedades de la Distribucin Gamma a) si n = 1
( ) {
}
Por lo tanto, la fdp exponencial es un caso especial de la distribucin gamma. b) n > 0 Considrese la integral
luego
Integrando por partes y haciendo
y
Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial
Profesor: MSc. Claudio Araya Sassi [email protected] 3
Por lo tanto,
|
[ ( ) ] Por lo tanto,
[ ( )
]
[
]
( )
Donde Y tiene una distribucin de Poisson con parmetro a. Si,
( ) ( )
( )
y por lo tanto la fda de x se transforma en:
( ) ( )
( ) ( )
Haciendo
( )
( )
( ) con
( ) ( )
Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial
Profesor: MSc. Claudio Araya Sassi [email protected] 4
Por lo tanto, la fda de la fdp Gamma puede expresarse mediante la fda de la distribucin Poisson. Gamma Distribucin continua. Poisson N de ocurrencias de algn evento durante un periodo fijo de tiempo. Gamma Distribucin del tiempo necesario para obtener un n especificado de ocurrencias
del evento. Supongamos que:
X= N de ocurrencias del evento A durante (0,t).
X~ Poisson (t) Donde: = N esperado de ocurrencias de A durante un intervalo de tiempo unitario. Sea T= Tiempo necesario para observar n ocurrencias de A. Tenemos ( ) { } { } ( [ ]) { }
( )
Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial
Profesor: MSc. Claudio Araya Sassi [email protected] 5
Tasa de Falla Distribucin Gamma
( ) ( )
( )
( )
( )
( )
( )
( )
( ) ( )
( )
( ) [ ( )
( )
( ) ]
( )
( ) [ ( )
( )
( ) ]
( )
( ) ( ) [
( ) ( )
( )
( )
( )( )
]
( ) [
( )
( )
( )
( )( ) ]
( )
( )
( ) ( )
Facultad de Ingeniera Escuela de Industrias Ingeniera Civil Industrial
Profesor: MSc. Claudio Araya Sassi [email protected] 6
Figura 1. Funcin tasa de falla para la Distribucin Gamma con .
Referencias Meyer, Paul, 1998. Probabilidad y Aplicaciones Estadsticas, Ed. Prentice Hall, Mxico. Ross, Sheldon, 2006. A First Course in Probability, Seventh Edition, Pearson Prentice Hall, New Jersey, U.S.A. Ross, Sheldon, 2007. Introduction to Probability Models, Ninth Edition, Academic Press, Elsevier, Massachusetts, U.S.A. Ross, Sheldon, 1996. Stochastic Processes, Second Edition, John Wiley and Sons, U.S.A. Gazmuri, Pedro, 1994. Modelos Estocsticos para la Gestin de Sistemas, Ediciones Universidad Catlica, Chile.
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0 1 2 3 4 5 6 7 8
Tasa
de
fal
la
Tiempo
n=
n=