ALUMNO : GARAY JARA JONATHAN SAMIR

CDIGO : 101.0802.433
ASIGNATURA : GEOESTADSTICA
_____________________________________________________________________________

6.3. DISTRIBUCIN GAMMA

Otra distribucin que juega un papel importante en Hidrologa es la
distribucin Gamma. Su aplicacin es tan comn, como el uso de la
distribucin log-norma.
6.3.1. DISTRIBUCIN GAMMA DE DOS PARMETROS
1. FUNCIN DENSIDAD
Se dice que una variable aleatoria X, tiene una distribucin
gamma de 2 parmetros si su funcin densidad de probabilidad
es:
1 x/
x e
f ( x )=
( )
para:
0x
0
0
siendo:
+
= parmetro de forma
+
= parmetro de escala
( )=funcin gamma completa , definida como :

( )= x 1 ex / dx que converge si >0
0

La funcin gamma tiene las siguientes propiedades:

( )=( 1 ) ! para =1, 2,3,

( + 1 )= x ( ) para >0

( 1 )= ( 2 )=1

( 1/2 )=

( 0 )=

Si >0 pero no entero, puede ( ) ser calculado por

expansin de series e integracin numrica por:

( )= e
[
2

1+
1
+
1

1

1
12 288 51840 2488320 4
2 3
+
]
Para ms detalles sobre las propiedades de la funcin gamma
completa, su forma de clculo y la transformada de Laplace, ver
anexo.
2. FUNCIN ACUMULADA
La funcin de distribucin acumulada, de la funcin gamma
incompleta de 2 parmetros es:
x
x 1 ex/
F ( x )= dx (44)
0 ( )
La integral de la ec. (44) puede evaluarse para valores dados de
y , usando la tabla 7 del apndice, en la cual se ha
tabulado la funcin gamma incompleta. En esta tabla se dan los
valores de la probabilidad de excedencia 1F ( x) , y se entra
con:
2x
x 2= y v =2 (45)

si es entero, la funcin de distribucin gamma acumulada,

segn Mood et al (1974), puede calcularse por:
1
x j
F ( x )=1ex/
n
()

/ j!

La variable aleatoria reducida est dada por:

x
Y= (46)

la cual reduce la funcin de densidad de probabilidad a:
Y 1 eY
g (Y )= (47)
( )
y la funcin de distribucin acumulada:
y
Y 1 eY
G ( Y )= dY (48)
0 ()

las funciones reducidas contienen el parmetro , por lo cual

cada valor positivo de determina una funcin diferente. Un

extracto de las tablas de Wik, Gnanadesikan Huyett (1962), para
las variables aleatorias reducidas Gamma, se muestra en la
tabla 1.
Tabla 1. Funcin de variables aleatorias reducidas Gamma, G(Y),
en funcin de Y y .

G(Y ) =1 =2 =5 =10 =20

0.10 0.105 0.532 2.433 6.221 14.53
0.20 0.223 0.824 3.090 7.289 16.17
0.30 0.357 1.097 3.634 8.133 17.44
0.40 0.511 1.376 4.148 8.904 18.57
0.50 0.693 1.678 4.671 9.669 19.67
0.60 0.916 2.022 5.237 10.47 20.81
6
0.70 1.204 2.439 5.890 11.38 22.08
7
 0.80 1.609 2.994 6.721 12.51 23.63
9
0.90 2.303 3.890 7.994 14.20 25.90
6
0.95 2.996 4.744 9.154 15.70 27.88
5
0.99 4.605 6.638 11.605 18.78 31.85
3

En el listado 8, se presenta un programa, que tiene una

subrutina que permite calcular la funcin gamma acumulada
F(x) .
La representacin grfica de la funcin densidad y la funcin de
distribucin acumulada, para una variable aleatoria X, que sigue
una distribucin gamma, con =5 y =5.63 , se muestra en
la figura 17.
3. ESTIMACIN DE PARMETROS, MTODO DE MOMENTOS
Utilizando el mtodo de los momentos, las relaciones entre la
media, la varianza y el coeficiente de sesgo, de la variable X y
los parmetros y de la distribucin gamma, que se
obtiene son:

Fig. 17. funcin densidad y funcin acumulada de la

distribucin gamma de dos parmetros.
media: X =E ( x ) = (49)

varianza: S 2= 2 (50)
2
coeficiente de sesgo: C S=g= 1 /2 (51)

X 2
De las ecs. (49) y (50), se tiene: = (52)
S2
 2
S
De las ecs. (49) y (52), resulta: = (53)
X 2
4. ESTIMACIN DE PARMETROS, MTODO DE MXIMA
VEROSIMILITUD
Thom (1958), estableci que para <10 , el mtodo de
momentos produce una estimacin inaceptable de los
parmetros y . Para cerca de 1 el mtodo de
momentos usa solamente el 50% de la informacin de la
muestra para estimar y solamente el 40% para estimar
.
Greenwood y Durand (1960), presentan las siguientes relaciones
aproximadas de estimacin de parmetros por el mtodo de
mxima verosimilitud:
para: 0 y 0.5772

=( 0.5000876+ 0.1648852 y 0.0544274 y 2 ) (54)

y para:
8.898919+9.05995 y +0.9775373 y 2
= (55)
y ( 17.79728+11.968477 y + y 2 )
donde:

lnX
y=ln X (56)
siendo:
X
= (57)

Greenwood y Durand (1960), establecieron que el mximo error
de la ecuacin (54) es de 0.0088% y en la ecuacin (55) es
0.0054%.
6.3.2. DISTRIBUCIN GAMMA INCOMPLETA DE 3 PARMETROS
O PEARSON III
1. FUNCIN DENSIDAD
Se dice que una variable aleatoria X, tiene una distribucin
gamma de 3 parmetros o distribucin Pearson III, si su funcin
de densidad de probabilidad es:
1 (xx o)/
( xx o ) e
f ( x )= (58)
( )
para:
x o x<
x o<
0 <

0<

2. FUNCIN ACUMULADA
 La funcin de distribucin acumulada de la distribucin gamma
de 3 parmetros es:
x 1 (xx o)/
( xx o ) e
F ( x )=
dx (59)
xo ( )
en la cual:
x : variable aleatoria gamma de 3 parmetros o
Pearson tipo III
x o : origen de la variable x, parmetro de posicin
: parmetro de escala
: parmetro de forma
( ) : funcin gamma completa
La representacin grfica de la funcin densidad y de la funcin
de distribucin acumulada, para x o=10 , =5 y =3 , se
muestra en la figura 18.

Fig. 18. Funcin densidad y funcin acumulada de la

distribucin gamma de 3 parmetros.
La variable reducida Y Pearson tipo III, es:
xx o
Y= (60)

La funcin acumulada Pearson III reducida es:
x 1 Y
Y e
G ( Y )= dY (61)
xo ( )

la cual tiene como parmetro , y cuya variable aleatoria

tienen origen en Y =0 x=x o .

3. ESTIMACIN DE PARMETROS, MTODO DE MOMENTOS
Aplicando el mtodo de momentos, se obtuvieron las siguientes
relaciones:
media: X =x o+ (62)

varianza: S 2= 2 (63)
 2
sesgo: C S=g= (64)

de donde:
4
=
C2S (65)

=C S S /2 (66)
x o= X 2 S /CS (67)
4. APLICACIN EN HIDROLOGA
Su uso en hidrologa est casi tan difundido como el uso de la
distribucin log-normal de 3 parmetros, con la desventaja de la
mayor complicacin al estimar sus parmetros y calcular los
valores de la funcin de distribucin acumulada.
La prctica ha demostrado que los resultados entre la
distribucin log-normal y la distribucin Pearson III, para el ajuste
de series de precipitaciones anuales, mdulos anuales,
precipitaciones mensuales, etc. no difieren.
Las razones que convalidan la utilizacin de esta distribucin de
probabilidad son las mismas que lo hacen en la distribucin log-
normal.
6.3.3. EJEMPLO
Para proteger de inundaciones a la poblacin de la ribera del rio
Turrialba, se desea construir muros de encauzamiento. Para esto,
se cuenta con un registro de 25 aos de caudales mximos en m 3/s
de una estacin aguas arriba de la poblacin, los mismos que se
muestran en la tabla 2.
Tabla 2. Registro de caudales del ro Turrialba

53.50 64.00 169.9 162.7 102.1

0 0 0
165.6 155.8 199.0 22.80 76.00
0 0 0
250.5 120.5 250.5 231.7 207.0
0 0 0 0 0
234.0 189.0 196.0 96.90 91.60
0 0 0
65.40 123.0 119.0 200.0 380.0
0 0 0 0
Determinar el caudal de diseo para un periodo de retorno de 50
aos. Usar la distribucin gamma de 2 parmetros.
SOLUCIN:
1. Ajuste de los datos de la serie a la distribucin gamma de dos
parmetros.
1.1. Para crear el archivo con la serie de datos, se usa el
programa del listado 6.
1.2. Para realizar la prueba de bonda de ajuste, se utiliza el
programa del listado 8. Este programa calcula adems los
parmetros de la serie y los parmetros de la distribucin,
algunos clculos parciales que se obtienen, es como se
muestra:
- Clculo de los parmetros de la serie de caudales:
X =157.05
ln x=4.9 0
S 2=6450.2 1
S=80.3 1
- Clculo de los parmetros de la distribucin gamma:
Utilizando la ec. (56), se tiene:
ln x=ln 157.054.9=0.15656
y=ln X

como: y=0.15656< 0.5772 , se utiliza la ec. (54), para el

clculo de , es decir:

=( 0.500087+ 0.1648852 y 0.0544274 y 2 ) / y

De la ec. (57), se tiene:
X
=

157.05
= =45.813 3
3.4280