TRABAJO DE ESTADISTICA

INFERENCIAL
DISTRIBUCION GAMMA, BETA Y POISSON

FUNDACION UNIVERSITARIA TECNOLOGICO COMFENALCO

ANDRES FRANCISCO CABARCAS SANTOYA - 15110265

TRABAJO DE ESTADISTICA INFERENCIAL

ANDRES FRANCISCO CABARCAS SANTOYA

(15110265)

FUNDACION UNIVERSITARIA TECNOLOGICO COMFENALCO

FACULTAD DE INGENIERIA
PROGRAMA DE INGENIERIA INDUSTRIAL
CARTAGENA
2015

DISTRIBUCIN GAMMA
Se conoce como una generalizacin de la distribucin exponencial, es una
distribucin de probabilidad continua adecuada para modelizar el comportamiento
de variables aleatorias con asimetra positiva y los experimentos en donde est
involucrado el tiempo.
Su funcin de densidad es de la forma:

Como vemos, este modelo depende de dos parmetros positivos: y p. La funcin

(p) es la denominada funcin Gamma de Euler que representa la siguiente
integral:

A= r 2

Que verifica (p + 1) = p(p), con lo que, si p es un nmero entero positivo, (p +

1) = p!
Propiedades de la distribucin Gamma
Como se menciono anteriormente, es una distribucin adecuada para modelizar el
comportamiento de variables aleatorias continuas con asimetra positiva. Es decir,
variables que presentan mayor densidad de sucesos a la izquierda de la media
que a la derecha. En su expresin se encuentran dos parmetros, siempre
positivos, y de los que depende su forma y alcance por la derecha, y
tambin la funcin gamma ( ), responsable de la convergencia de la
distribucin.
Las propiedades de la distribucin gamma son las siguientes:

Los valores de la esperanza y varianza se determinan mediante

E(X)=
Var(X)=

La relacin con otras distribuciones:

Si se tiene un parmetro de valores elevados y pequea entonces

la funcin gamma converge con la distribucin normal. De media =
y varianza 2= 2 .
Si =1 , entonces se tiene la distribucin exponencial de parmetro = 1/
.
De esta forma, la distribucin gamma es una distribucin flexible para modelizar
las formas de la asimetra positiva, de la ms concentrada y puntiaguda, a las ms
dispersas y achatadas.
La grafica de la distribucin gamma es la siguiente:

DISTRIBUCIN POISSON
Esta distribucin es una de las ms importantes distribuciones de variable
discreta. Sus principales aplicaciones hacen referencia a la modelizacin de
situaciones en las que nos interesa determinar el nmero de hechos de cierto tipo
que se pueden producir en un intervalo de tiempo o de espacio, bajo presupuestos
de aleatoriedad y ciertas circunstancias restrictivas.
Propiedades de la distribucin:
La funcin de probabilidad de la distribucin de Poisson es:

Funcin de distribucin de poisson es:

Donde,

k es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la

probabilidad de que el evento suceda precisamente k veces).

es un parmetro positivo que representa el nmero de veces que se

espera que ocurra el fenmeno durante un intervalo dado. Por ejemplo, si el
suceso estudiado tiene lugar en promedio 4 veces por minuto y estamos
interesados en la probabilidad de que ocurra k veces dentro de un intervalo de
10 minutos, usaremos un modelo de distribucin de Poisson con = 104 =
40.

e es la base de los logaritmos naturales (e = 2,71828...)

La moda de una variable aleatoria de distribucin de Poisson con un no entero

es igual a , el mayor de los enteros menores que (los smbolos
representan
la funcin parte entera). Cuando es un entero positivo, las modas son y 1.
La funcin generadora de momentos de la distribucin de Poisson con valor
esperado es

La distribucin de Poisson se aplica a varios fenmenos discretos de la naturaleza

(esto es, aquellos fenmenos que ocurren 0, 1, 2, 3,... veces durante un periodo
definido de tiempo o en un rea determinada) cuando la probabilidad de
ocurrencia del fenmeno es constante en el tiempo o el espacio.
Aplicaciones de la distribucin de Poisson en la industria
1. Las aplicaciones de la distribucin pueden ser enfocadas a estudiar el nmero
de txicos encontrados en un volumen de aire emitido por una industria
(contaminacin del aire). Otras aplicaciones son en la meteorologa, para
encontrar la frecuencia imprevista de tempestades, ciclones, tornados, granizadas,
inundaciones, fuegos forestales, etc., en ciertas regiones del mundo.
2. Tambin se usa en biologa para contar el nmero de bacterias en un plato de
prueba. Se usa tambin en la fsica para contar el nmero de partculas emitidas
de una sustancia radiactiva, como por ejemplo, cuando una sustancia radiactiva
emite partculas alfa, beta o gamma. Aqu las partculas son emitidas, al azar,
sobre un largo periodo de tiempo, y la ocurrencia de una emisin es independiente
de otras emisiones.
3. Igualmente, la distribucin Poisson se usa para el control estadstico de calidad
o para contar el nmero de tems defectuosos (cuando es difcil usar la distribucin
binomial).
4. Otras aplicaciones importantes de la distribucin de Poisson son para encontrar
el nmero de accidentes, entre los trabajadores, como por ejemplo, en una
industria, en estudios de higiene industrial y seguridad.

La grafica dada por la distribucin de poisson es la siguiente:

DISTRIBUCIN BETA
La distribucin beta se usa generalmente para estudiar las variaciones, a travs de
varias muestras, de un porcentaje que representa algn fenmeno, por ejemplo, el
tiempo a diario que las personas se dedican a mirar la televisin.
En estadstica la distribucin beta es una distribucin de probabilidad continua con
dos parmetros

Aqu

cuya funcin de densidad para valores

es:

es la funcin gamma.

El valor esperado y la varianza de una variable aleatoria X con distribucin beta

son:

.
Un caso especial de la distribucin beta es cuando
con la distribucin uniforme en el intervalo [0, 1].

que coincide

Para relacionar con la muestra se iguala

se despejan

y .

Grafica de la funcin densidad de probabilidad:

Funcin de distribucin de probabilidad:

a la media y

a la varianza y

RELACIN
La relacin existente entre la Distribucin Gamma, Poisson y Beta es que la
variable tiempo juega un papel importante ya que las tres buscan determinar
nmero de hechos o fenmenos ocurridos en un periodo de tiempo determinado,
adems se trabaja bajo el concepto de probabilidad que estos hechos y
fenmenos ocurran.
Las distribuciones de poisson y gamma, hacen notar el nmero de sucesos que
ocurren en un intervalo de tiempo dado, y el tiempo necesario para observar un
nmero dado de sucesos.