SALESIANOS

UNIVERSIDAD DON BOSCO

ESTADSTICA I

TRABAJO COPERATIVO
TEMA:

VARIABLE ALEATORIA CONTINUA

PROFESOR / INSTRUCTOR

ING. HUGO ALAS

PRESENTADO POR:

MONICA CAROLINA DIAZ HERNANDEZ

MARCELA JAZMIN PEA ECHEGOYEN
MANUEL ALEJANDRO SASO LINARES
KEVIN RODRIGO TAMAYO CEVALLOS
MARIO ARTURO GUERRA AYALA

(DH131889)
(PE131919)
(SL131931)
(TC131812)
(GA140294)

GRUPO TEORICO 03T

SAN SALVADOR, 27 DE MARZO DEL 2015

Contenido

2
Definicin de variable aleatoria continua......................................................................2
Funcin de densidad...................................................................................................... 3
Funcin de distribucin acumulativa.............................................................................4
Media o esperanza matemtica......................................................................................6
Varianza......................................................................................................................... 7
Bibliografa.9
Recursos web:............................................................................................................ 9
Recursos bibliogrficos............................................................................................. 9

3
Variable aleatoria continua
Definicin de variable aleatoria continua
Una variable aleatoria X es continua si su funcin de distribucin es una funcin
continua.
En la prctica, se corresponden con variables asociadas con experimentos en los
cuales la variable medida puede tomar cualquier valor en un intervalo: mediciones
biomtricas, intervalos de tiempo, reas, etc.
Ejemplos
Resultado de un generador de nmeros aleatorios entre 0 y 1. Es el ejemplo
ms sencillo que podemos considerar, es un caso particular de una familia de
variables aleatorias que tienen una distribucin uniforme en un intervalo [a, b].
Se corresponde con la eleccin al azar de cualquier valor entre a y b.
Estatura de una persona elegida al azar en una poblacin. El valor que se
obtenga ser una medicin en cualquier unidad de longitud (m, cm, etc.) dentro
de unos lmites condicionados por la naturaleza de la variable. El resultado es
impredecible con antelacin, pero existen intervalos de valores ms probables
que otros debido a la distribucin de alturas en la poblacin
Dentro de las variables aleatorias continuas tenemos las variables aleatorias
absolutamente continuas.
Diremos que una variable aleatoria X continua tiene una distribucin absolutamente
continua si existe una funcin real f, positiva e integrable en el conjunto de nmeros
reales, tal que la funcin de distribucin F de X se puede expresar como

Una variable aleatoria con distribucin absolutamente continua, por extensin, se

clasifica como variable aleatoria absolutamente continua.

4
Funcin de densidad
Sea X una variable aleatoria continua, se llama funcin de densidad y se representa
como f(x) a una funcin no negativa definida sobre la recta real, tal que para cualquier
intervalo que estudiemos se verifica:

La funcin de densidad continua toma valores en el conjunto de nmeros reales y no

se interpreta como una probabilidad. No est acotada por 1, puede tomar cualquier
valor positivo. Es ms, en una variable continua se cumple que probabilidades
definidas sobre puntos concretos siempre son nulas.
P(X = x) = 0 para todo x real. (a)
Las probabilidades son las reas bajo la funcin de densidad. El rea bajo la funcin
de densidad entre dos puntos a y b se interpreta como la probabilidad de que la
variable aleatoria tome valores comprendidos entre a y b. Por tanto, siempre se
cumple lo siguiente:

(b)
Ejemplo: Sea f(x)=2/x2 en el intervalo [a,b]=[1,2] Entonces propiedad (a) se aplique,
pues es positiva 2/x2 en intervalo [1,2] Para propiedad (b).

Si X admite esta funcin de densidad de probabilidad, entonces:

P(1.5<=X<=2)=1/3
Ejemplo: Dada la funcin:

5
Determnese el valor de k para que f sea una funcin de densidad:

Atendiendo a la definicin de la funcin de densidad, para que f sea funcin de

densidad 3 + k = 1, sin ms que despejar en la ecuacin se deduce que k = -2

Funcin de distribucin acumulativa.

Si

es una variable aleatoria, sus distribucin est formada por los valores de

P( X B)

para todos los subconjuntos B de nmeros reales. Concretamente, si

B=( , x ] para algn valor real de

Dada una variable aleatoria

F x ( x )=P( X x)

, entonces P ( X B )=P( X x) .

X , su funcin de distribucin acumulada es

. La razn de denominar

Fx

funcin de distribucin radica en que

a partir de ella puede determinarse directamente la distribucin completa de

6
Sea

Fx

una variable con una distribucin acumulada

subconjunto cualquiera de nmeros reales. Entonces

P(XB)

. Sea

un

puede determinarse a

partir de los valores de F x ( x ) .

Propiedades de las funciones de distribucin:
a)

0 F x ( x ) 1

para todo x . Dado que F x ( x )=P( X x) es una probabilidad,

su valor se encuentra comprendido entre 0 y 1.

b)

Fx ( x ) Fx ( y )

A= { X x } y B= { X y } .
P ( A ) P (B) ,

c)

A n={X n}

Sea

valor y por lo tanto

de

x y , entonces

Si

Fx

(es decir,

es creciente). Sea

A B ,

de forma que

y dado que P( A)=F x ( x ) , el resultado es evidente.

lim x + F x ( x )=1
.

{ An}

x y

siempre que

X n

si

. Dado que

debe tomar algn

es suficientemente grande, vemos que

{ A n } S
aumenta hacia S , es decir
. Por lo tanto, por continuidad
P

lim n P ( A n )=P ( S ) =1.

Y como P( A n =P ( X n )=Fx ( n ) ,

el

resultado es inmediato.

d)

lim x F x ( x ) =0
. Sea

suficientemente grande,

B n={ X n } .
{Bn }

Dado que X n

para

lo

decrece hacia el conjunto vaco, es decir,

7
{Bn }0.

como

Por tanto, otra vez por continuidad de P,

P ( B n) =P ( X n )=Fx (n ) ,

lim n P ( B n )=P ( 0 )=0.

Y

el resultado es inmediato.

Ejemplo: Sea X una variable aleatoria con funcin de distribucin acumulada dada
por:

Diferenciando F(x ) con respecto a x se tiene:

La funcin f (x) no es continua en x=0, o en x=1 .

Media o esperanza matemtica

La esperanza o media de una variable continua con funcin de densidad f, es:

8
Cuando esta integral est definida. Si X es una variable aleatoria continua con
densidad f y h es una funcin cualquiera, h(X) es una variable aleatoria cuya
esperanza se calcula como:

Cuando esta integral est definida. La propiedad de linealidad del valor esperado
tambin vale para variables aleatorias continuas, as como la definicin y propiedades
de la varianza, y de la desviacin tpica. Para variables aleatorias continuas se definen
los cuantiles de la siguiente forma, para cualquier 0 < < 1; el cuantil-, es el valor
x(), tal que:

En particular, el cuantil-0.5 se llama mediana y es el valor , tal que:

Ejemplo: La altura de un cierto rbol sigue una variable aleatoria con funcin de
densidad

La Esperanza de X est dada por:

9
Varianza
La varianza de una variable aleatoria es una caracterstica numrica que proporciona
una idea de la dispersin de la variable aleatoria respecto de su esperanza. Decimos
que es un parmetro de dispersin.
Definicin de varianza:
Sea X una variable aleatoria se define varianza como:

Es, por tanto, el promedio terico de las desviaciones cuadrticas de los diferentes
valores que puede tomar la variable respecto de su valor medio terico o esperanza.
En el caso de las variables discretas, la expresin se convierte en:

Mientras que para las variables continuas tenemos:

En ambos casos existe una expresin equivalente alternativa y generalmente de

clculo ms fcil:

Propiedades de la varianza
1. Var(X) 0
2. Var(k X) = k2 Var (X) para todo nmero real k.
3. Var(k) = 0 para todo nmero real k.
4. Var(a X + b) = a2 Var(X) para todo par de nmeros reales a i b.

10
5. Var(X + Y) = Var(X) + Var(Y) nicamente en el caso que X y Y sean
independientes.
Ejemplo:
Se desea realizar un estudio sobre el nmero de cras en una camada.
X: Nmero de cras en una camada
X toma los valores x = 0, 1, 2, 3 con probabilidades
P{X = 0} = 0.2 ; P{X = 1} = 0.3 ;
P{X = 2} = 0.3 ; P{X = 3} = 0.2
Calcular la varianza de dicha variable aleatoria.
Solucin
0
1
( 20.3)+(220.3)+( 320.2)
( 20.2)+
E [ x 2 ] =
E [ x2 ] =3.3

La esperanza de X ya fue calculada:

E [ x ]=1.5

Ahora solo sustituimos:

2

2 [ x ]=E [ x 2 ] E [ x ]

2 [ x ]=3.31.52
2

[ x ]=1.05

11

Bibliografa
Recursos web:

http://www.ugr.es/~bioestad/_private/Tema_3.pdf

http://www.dm.uba.ar/materias/estadistica_Q/2008/1/EstadQuimVsAsContinuas.
pdf

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo2/B0C2
m1t17.htm

Recursos bibliogrficos

Probabilidad y estadstica, Michael J. Evans,Jeffrey S. Rosenthal, Capitulo 2

Estadstica, segunda edicin, serie Schaum, Murray Spiegel y Larry Stephens