Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 39 vistas

    Erlang 2

    Cargado por

    leo
    El documento presenta cinco proposiciones sobre la distribución de Erlang. La Proposición 1 define la función de densidad de probabilidad de la variación de la distribución de Erlang y encuentra que la esperanza es (k+1-p)/λ. Las Proposiciones 2-5 calculan la segunda, varianza, coeficiente de variación y tercer momento, respectivamente.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Erlang 2

    Cargado por

    leo
    39 vistas6 páginas
    El documento presenta cinco proposiciones sobre la distribución de Erlang. La Proposición 1 define la función de densidad de probabilidad de la variación de la distribución de Erlang y encuentra que la esperanza es (k+1-p)/λ. Las Proposiciones 2-5 calculan la segunda, varianza, coeficiente de variación y tercer momento, respectivamente.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta cinco proposiciones sobre la distribución de Erlang. La Proposición 1 define la función de densidad de probabilidad de la variación de la distribución de Erlang y encuentra que la esperanza es (k+1-p)/λ. Las Proposiciones 2-5 calculan la segunda, varianza, coeficiente de variación y tercer momento, respectivamente.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    39 vistas6 páginas

    Erlang 2

    Cargado por

    leo
    El documento presenta cinco proposiciones sobre la distribución de Erlang. La Proposición 1 define la función de densidad de probabilidad de la variación de la distribución de Erlang y encuentra que la esperanza es (k+1-p)/λ. Las Proposiciones 2-5 calculan la segunda, varianza, coeficiente de variación y tercer momento, respectivamente.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 6

    Distribución

    Autores: Ponce de León Chávez Samantha, Juárez Gallegos Leonardo.

    Definición 1 (Función de densidad de probabilidad de la variación de la Distribución


    Erlang). Definimos
    λk xk−1 e−λx λk+1 xk e−λx
    fX (x) = p + (1 − p) ,
    (k − 1)! k!

    donde x > 0, λ > 0, k ∈ Z+ y p ∈ (0, 1).


    Proposición 1 (Esperanza de la variación de la Distribución Erlang). La esperanza de
    la variación de la Distribución Erlang está dada por
    k+1−p
    E(X) =
    λ
    donde los parámetros p, k, y λ se definen como anteriormente.

    Demostración. Por la definición de la esperanza y sustituyendo la función de densidad de


    la Distribución Coxiam tenemos el siguiente desarrollo
    Z+∞
    E(X) = xf (x)dx
    0
    +∞
    λk xk e−λx λk+1 xk+1 e−λx
    Z  
    = p + (1 − p) dx
    (k − 1)! k!
    0
    Z+∞ Z+∞
    pλk k −λx (1 − p)λk+1
    = x e dx + xk+1 e−λx dx.
    (k − 1)! k!
    0 0

    Recordando la definición de la Función Gamma

    Z+∞
    Γ(z) = tz−1 e−t dt.
    0

    Tomando λx = t y n = z − 1 hacemos los cambios correspondientes para un término


    general
    Z+∞ Z+∞
    1
    λ−(n+1) Γ(n + 1) = xn e−λx dx = z tz−1 e−t dt = λ−z Γ(z).
    λ
    0 0

    1
    Ası́ que, aplicando los cambios correspondientes para el cálculo de la esperanza

    pλk (1 − p)λk+1 −(k+2)


    E(X) = λ−(k+1) Γ(k + 1) + λ Γ(k + 2)
    (k − 1)! k!
    pλ−1 (1 − p)λ−1
    = Γ(k + 1) + Γ(k + 2)
    (k − 1)! k!

    Recordando la propiedad de la Función Gamma

    Γ(α + 1) = αΓ(α), con α ∈ Z,

    ası́ obtenemos el siguiente resultado

    pλ−1 (1 − p)λ−1
    E(X) = k! + (k + 1)!
    (k − 1)! k!
    = pλ−1 k + (1 − p)λ−1 (k + 1)
    = λ−1 k − pλ−1 k + pλ−1 k + pλ−1
    k+p
    =
    λ

    Proposición 2 (Segundo momento de la variación Distribución Erlang). El segundo mo-


    mento de la Distribución Erlang está dada por

    (k + 1)[k + 2p]
    E(X 2 ) = .
    λ2
    Demostración. Para calcular el segundo momento seguiremos un procedimiento similar

    2
    al de la esperanza, salvo unos detalles a considerar en la siguiente prueba
    Z+∞
    E(X 2 ) = x2 f (x)dx
    0
    Z+∞
    λk xk+1 e−λx λk+1 xk+2 e−λx
    
    = (1 − p) +p dx
    (k − 1)! k!
    0
    Z+∞ +∞
    λk λk+1 Z
    = (1 − p) xk+1 e−λx dx + p xk+2 e−λx dx
    (k − 1)! k!
    0 0
    k k+1
    (1 − p)λ −(k+2) pλ
    = λ Γ(k + 2) + λ−(k+3) Γ(k + 3)
    (k − 1)! k!
    (1 − p)λ−2 pλ−2
    = Γ(k + 2) + Γ(k + 3)
    (k − 1)! k!
    (1 − p)λ−2 pλ−2
    = (k + 1)! + (k + 2)!
    (k − 1)! k!
    = (1 − p)λ−2 (k)(k + 1) + pλ−2 (k + 1)(k + 2),

    factorizando λ−2 (k + 1) en ambos sumandos de la última linea y haciendo los cálculos


    correspondientes obtenemos nuestro resultado.

    Proposición 3 (Varianza de la Distribución Erlang). La varianza de la Distribución


    Erlang está dada por:
    k + 2p − p2
    Var(X) = .
    λ2
    Demostración. Usando la siguiente expresión de la varianza

    Var(X) = E 2 (X) − E(X 2 )

    3
    Ası́ que, por los resultados obtenidos en la proposición 1 y 2, sustituimos en la fórmula
    anterior

     2
    (k + 1)[k + 2p] k+p
    Var(X) = −
    λ2 λ
    (k + 1)[k + 2p] (k + p)2
    = −
    λ2 λ2
    k + 2kp + k + 2p − (k 2 + 2kp + p2 )
    2
    =
    λ2
    2
    k + 2p − p
    = .
    λ2

    Proposición 4 (Coeficiente de variación del la distribución Erlang). El coeficiente de


    varición del la distribución Erlang esta dada por
    p
    k + 2p − p2
    CV (X) = .
    k+p

    Demostración. Por definición del el coeficiente de variación y haciendo uso de la proposi-


    ciones 1 y 3 obtenemos
    p
    Var(X)
    CV (X) =
    E(X)
    q
    k+2p−p2
    λ2
    = k+p
    λ
    p
    k + 2p − p2
    = .
    k+p

    Proposición 5 (Tercer Momento de la variación de la Distribución Erlang). El tercer


    momento de la variación de la Distribución Erlang está dado por

    (k + 1)(k + 2)[k + 3p]


    E(X 3 ) =
    λ3

    4
    Demostración. Realizando un procedimiento similar al seguido en el calculo de los mo-
    mentos anteriores
    Z+∞
    3
    E(X ) = x3 f (x)dx
    0
    Z+∞
    λk xk+2 e−λx λk+1 xk+3 e−λx
    
    = (1 − p) +p dx
    (k − 1)! k!
    0
    +∞  Z+∞ k+1 k+3 −λx 
    λk xk+2 e−λx
    Z 
    λ x e
    = (1 − p) dx + p dx
    (k − 1)! k!
    0 0
    Z+∞ Z+∞
    λk k+2 −λx λk+1
    = (1 − p) x e dx + p xk+3 e−λx dx
    (k − 1)! k!
    0 0
    k
    λ  −(k+3)  λk+1  −(k+4) 
    = (1 − p) λ Γ(k + 3) + p λ Γ(k + 4)
    (k − 1)! k!
    k(k + 1)(k + 2) (k + 1)(k + 2)(k + 3)
    = (1 − p) 3
    +p
    λ λ3
    (k + 1)(k + 2)[(1 − p)k + p(k + 3)]
    =
    λ3
    (k + 1)(k + 2)[k − pk + kp + 3p]
    =
    λ3
    (k + 1)(k + 2)[k + 3p]
    =
    λ3

    Proposición 6 (Tercer momento central central de la distribución Erlang). El terer


    momento central de la variación de la distribución Erlang se define por

    2k + 2p3 − 6p2 + 6p
    E[(X − µ)3 ] = .
    λ3
    Demostración. Por la definición del tercer momento central

    E[(X − µ)3 ] = E[(X 3 − 3µX 2 + 3µ2 X − µ3 )]


    = E(X 3 ) − 3µE(X 2 ) + 2µ3

    5
    Sustituyendo los resultados de las proposiciones anteriores

    (k + 1)(k + 2)[k + 3p]


    E[(X − µ)3 ] = −
    λ3
        3
    k+p (k + 1)[k + 2p] k+p
    −3 +2
    λ λ2 λ
    1
    = 3 (k + 1)[(k + 2)[k + 3p] − 3(k + p)[k + 2p]]+
    λ
    1
    + 3 2(k 3 + 3k 2 p + 3kp2 + p3 )
    λ
    1
    = 3 (k + 1)[k 2 + 3kp + 2k + 6p − 3k 2 − 6kp − 3kp − 6p2 ]+
    λ
    1
    + 3 (2k 3 + 6k 2 p + 6kp2 + 2p3 )
    λ
    1
    = 3 (k + 1)[−2k 2 + 2k + 6p − 6kp − 6p2 ]+
    λ
    1
    + 3 (2k 3 + 6k 2 p + 6kp2 + 2p3 )
    λ
    1
    = 3 (−2k 3 + 2k 2 + 6kp − 6k 2 p − 6kp2 − 2k 2 + 2k + 6p − 6kp − 6p2 )
    λ
    1
    + 3 (2k 3 + 6k 2 p + 6kp2 + 2p3 )
    λ
    2k + 2p3 − 6p2 + 6p
    = .
    λ3

    También podría gustarte