UNIVERSIDAD TECNOLÓGICA NACIONAL

FACULTAD REGIONAL AVELLANEDA

PROBABILIDAD Y ESTADÍSTICA
UNIDAD 4: VARIABLE ALEATORIA CONTINUA

Autores:
Lic Luis Alberto Garaventa
Mg. María Cristina Kanobel

Año 2014
 2
Unidad 4: Variable aleatoria continua

En el módulo 3 hemos definido el término variable aleatoria y clasificamos las variables

aleatorias según su recorrido. Utilizando estos conceptos estudiamos las variables aleatorias
discretas. En este módulo trabajaremos con las variables aleatorias continuas y analizaremos
algunos modelos muy utilizados en distintas disciplinas.
Esperamos que, al finalizar la lectura activa y comprensiva de este módulo, estén en condiciones
de reconocer una variable aleatoria en un experimento aleatorio como así también hallar su
distribución de probabilidades.

VARIABLE ALEATORIA CONTINUA

Al clasificar las variables aleatorias según su recorrido hemos llamado

variables aleatorias continuas a aquellas cuyo recorrido es infinito numerable,
es decir, intervalos de números reales. Podemos decir también que estas
variables están asociadas a procesos de medición.
En este caso, es imposible asignar una probabilidad a cada uno de los infinitos valores que toma
la variable continua. Para distribuir probabilidades se utiliza una función que mide
"concentración" de probabilidades alrededor de un punto, denominada función de densidad (fd)
y que se denota como f(x).

Se dice que X es una variable aleatoria continua, si existe una función f,

llamado función de densidad de probabilidad (fdp) de X que satisface las
siguientes propiedades:

1)f  x   0

2)  f  x .dx  1


3)Para cualquier a,b, tal que -   a  b   se cumple que:

b
P(a  x  b)   f  x  .dx
a

ACTIVIDAD

Una consecuencia de la definición anterior es que P(X=0).¿Podría justificarlo?

En vista de la propiedad justificada en la actividad anterior, podemos afirmar que:

Si X es una variable aleatoria continua, se cumple que:

P(a  x  b)  P(a  x  b)  P(a  x  b)  P(a  x  b)
 3
Unidad 4: Variable aleatoria continua

ACTIVIDAD

Sabiendo que k es una constante y considerando que

kx 2
si 0  x  2
f (x)   calcule:
0 otro x
a) El valor de c para que f sea función de densidad de la variable X
b) Calcule P(1<x<1,5)

VALOR ESPERADO DE UNA VARIABLE ALEAOTRIA CONTINUA

En el módulo 3 hemos definido valor esperado de una variable aleatoria

discreta. De la misma manera, lo haremos para variables aleatorias continuas.

Llamamos VALOR ESPERADO de una variable aleatoria continua a la


integral definida E(X)   x.f (x).dx

con la condición de que


 x .f (x).dx sea finita



ACTIVIDAD

Calcule el valor medio de la variable aleatoria de la actividad anterior

PROPIEDADES DEL VALOR ESPERADO DE UNA V.A. CONTINUA

Para el cálculo del valor esperado de una variable continua valen las mismas
propiedades enunciadas para las variables aleatorias discretas:

La esperanza de una constante es la misma constante.

E(k)= k

El valor esperado es un operador lineal.

E ( k. X + c) = k. E( X ) + c donde k y c son constantes

.
 4
Unidad 4: Variable aleatoria continua

El valor esperado de la suma de dos variables aleatorias es igual a la suma

de los valores esperados de dichas variables.

E( X+Y ) =E( X ) + E( Y )

Si dos variables aleatorias son independientes entonces el valor esperado

del producto entre ellas es igual al producto de los valores esperados de
dichas variables.

E( X. Y ) = E( X ). E( Y ) si X e Y independientes

Dada una variable aleatoria discreta X y f(x) su función de densidad y

siendo Y = g(X) se define el valor esperado de la variable aleatoria de Y
como:

E ( Y ) =  g(x).f (x).dx


VARIANZA DE UNA VARIABLE ALEATORIA CONTINUA

Recordemos que

Llamamos VARIANZA de una variable aleatoria al valor esperado del

cuadrado de la diferencia entre la variable y su valor esperado. Es decir
que:

V(X)  E(X  E(X))2

También tengamos en cuenta que la fórmula de cálculo que utilizaremos es:

V(X)  E(X2 )  E2 (X)

ACTIVIDAD

Calcule la varianza de la variable aleatoria correspondiente a la actividad de la

página 3.

DESVÍO DE UNA VARIABLE ALEATORIA CONTINUA

En el módulo anterior afirmamos que, para cualquier variable aleatoria (discreta

o continua):
 5
Unidad 4: Variable aleatoria continua

Llamamos DESVÍO STANDARD a la raíz cuadrada de la varianza

 (x)  V(X)

ACTIVIDAD
Calcule el desvío standard de la variable aleatoria de la actividad de la página 3.

PROPIEDADES DE LA VARIANZA DE UNA V.A. CONTINUA

Las propiedades de la varianza enunciadas para variable aleatoria discreta son

válidas también cuando la variable es continua:

La varianza de una constante es cero.

V( c ) = 0

Sean C una constante y X una variable aleatoria se cumple que:

V ( c . X ) = c2. V( X )

Sean c y k constantes y X variable aleatoria se cumple que:

V ( c. X + k ) = c2. V( X)

La varianza de la suma de dos variables aleatorias X e Y es igual a la suma

de sus varianzas sólo si X e Y son independientes.
V ( X + Y ) = V( X ) + V( Y )

ACTIVIDAD

La cantidad de kilómetros que recorre un camión por viaje contratado es una

variable aleatoria uniforme entre 100 y 500 kilómetros Si la ganancia está dada
por G=0,30X+50 (donde X es la cantidad de kilómetros recorridos) Calcular la
ganancia esperada por viaje.
 6
Unidad 4: Variable aleatoria continua

FUNCIÓN DE DISTRIBUCION DE VARIABLE ALEATORIA CONTINUA

Recordemos que:

Se llama FUNCIÓN DE DISTRIBUCIÓN ACUMULADA O

ACUMULATIVA a la función tal que a cada número real le asigna la
probabilidad acumulada hasta dicho valor.

Esto es:

F:    / F(x)  P(X  x)

En el caso de las variables aleatorias continuas se calculará como:

x
F(x)  P(X  x)   f (t).dt


Esta función representa la probabilidad de que la variable aleatoria sea menor o igual que
un determinado valor x.

Analicemos el siguiente ejemplo:

1
 si x   0;2
La duración (en horas) de ciertos viajes está distribuida según f (x)   2
0  otro x
Hallaremos la función de distribución acumulada. Es decir:
x
F(X)   f (x).dx

Esto es:
x
1
F(x)   dx
0 2
Luego:
1
F(X)  x para x   a;b 
2
Entonces:

0 si x  0
1

F(X)   x si a<x  b
2
1 si x >1

Comparemos las gráficas de f(x) y F(X):

 7
Unidad 4: Variable aleatoria continua

f (X)
1

P(X<x)

0 1 x 2 X

F(X)
1

P(X<x)= F(x)

0 1 x 2 X

Observemos que:

 la función F(X) es continua siendo su valor mínimo 0 y su

<Definición>
máximo 1.

 La imagen de la función de distribución para un valor x

representa la probabilidad acumulada hasta x (En cambio, para la
gráfica de f(x), esa probabilidad está representada por el área
debajo de la curva entre 0 y x)

PROPIEDADES DE LA FUNCIÓN DE DISTRIBUCIÓN ACUMULADA

DE UNA V.A. CONTINUA

1) F(x) es no decreciente.

lím F(x)  0
x 
2)
lím F(x)  1
x 

3) Si X es variable aleatoria continua F(X) es continua

4) Si X es una variable aleatoria continua y F(x) es derivable

dF
entonces se cumple que  f (x)
dx
 8
Unidad 4: Variable aleatoria continua

ACTIVIDAD

Deduzca una fórmula para calcular P(x  X  x ) utilizando F(X) (Recuerde

que: P(a  X  b)  P(X  b)  P(X  a) )

PROPIEDAD

De la actividad anterior se deduce que:

P(a<X<b)= P(a<X<b)= P(a<X<b)= P(a<X<b)= F(b) - F(a)

ACTIVIDADES
 0 x2
1. Analizar si la función F ( X )   2
1 x  2 puede ser función de distribución
 x
acumulada

2.a) Hallar la función de distribución acumulada para la variable X de la Actividad N º 2

b) Hallar F(1,5)¿Qué representa el valor obtenido
c) Calcular P  0  X  1,5 utilizando la F(X) definida en el punto a).

3. La ganancia semanal de un comerciante de autos en unidades de mil dólares se puede

considerar como una variable aleatoria X que tiene una función de densidad dada por:
2 1  x  si 0  x  1
f (x)  
 0 en caso contrario
a) Hallar F(x).
b) Utilizarla para determinar la probabilidad de que en cierta semana gane:
i) Menos de 500 dólares
ii) Más de 120 dólares
iii) Entre 300 y 800 dólares

DISTRIBUCIÓN UNIFORME

Una variable aleatoria, X, tiene distribución UNIFORME en el intervalo (a; b) si su

función de densidad es:
 1
 si x  (a;b)
f (x)   b-a
 0  otro x
 DISTRIBUCIÓN EXPONENCIAL NEGATIVA 9
Unidad 4: Variable aleatoria continua

Gráficamente:
f(x)
1
ba

a b X

ACTIVIDADES

1. Verifique que la función anterior cumple con las condiciones para ser
función de densidad de una variable aleatoria continua.

2. Halle la función de distribución acumulada de la variable aleatoria uniforme definida

en el intervalo (a; b).

3. a) Calcule el valor esperado de la variable uniforme usando la definición.

b) Calcule la varianza y el desvío de una variable uniforme usando la fórmula de
cálculo de la varianza.

4. En ciertos experimentos, el error cometido al determinar la densidad de una sustancia es

una variable aleatoria distribuida uniformemente entre -0,04 y 0,04. Calcular la probabilidad
de que el error:
a) Sea, en valor absoluto, menor que 0,01.
b) esté comprendido entre 0,001 y 0,002.
c) Sea mayor que 0,03.

DISTRIBUCIÓN EXPONENCIAL NEGATIVA

Una variable aleatoria, X, tiene distribución EXPONENCIAL NEGATIVA de

parámetro  si su función de densidad es:
 .e- x si x  0
f (x)   siendo  >0
 0  otro x

Gráficamente:
f(x)


x
 10
Unidad 4: Variable aleatoria continua

ACTIVIDADES

1. Verifique que la fórmula anterior corresponde a una función de

probabilidad de una variable discreta.

2. Halle la función de distribución acumulada.

3. a) Calcule el valor esperado de una distribución uniforme usando la definición del

valor esperado.
b) Calcule la varianza usando la fórmula de cálculo.

4. El tiempo que un reloj funciona sin necesidad de ser corregido se considera una
variable aleatoria con distribución exponencial negativa con parámetro
0,001horas)-1.
a) Hallar la probabilidad de que el reloj deba ser corregido antes de las 250 horas de
funcionamiento.
b) Hallar la probabilidad de que el reloj deba ser corregido antes de las 1250 horas de
funcionamiento si lleva 1000 horas si necesidad de ser corregido.
c) Hallar la probabilidad de que el reloj deba ser corregido antes de las 10250 horas de
funcionamiento si lleva 10000 horas de funcionamiento sin ser corregido.
d) Compare los resultados obtenidos en cada uno de los puntos de la actividad anterior.
¿Podría enunciar alguna propiedad general?

DISTRIBUCIÓN NORMAL

Una variable aleatoria, X, tiene distribución NORMAL de valor medio  y

desvío  >0 si su función de densidad es:
2
1  x  
1  
 
f (x)  .e 2  si -  x  
2

Por ejemplo, para μ= 2 y σ= 0,5 será:

 DISTRIBUCIÓN NORMAL 11
Unidad 4: Variable aleatoria continua

Se puede observar que:

x =  es eje de simetría de la función

Hay dos puntos de inflexión en x =  -  y en x =  + .
X = 0 es asíntota horizontal.

Esta función no tiene primitiva conocida. Por esta razón no es posible calcular
probabilidades usando integrales.

DISTRIBUCIÓN NORMAL STANDARD

Es la variable aleatoria con distribución normal cuyo valor medio es  = 0 y

desvío  = 1. Se simboliza con la letra Z. Es decir que:

Z: N ( 0, 1)

Por ser  = 0 su gráfica es simétrica respecto del eje y.

El valor  = 1 determina que los puntos de inflexión de la curva se
encuentran a una unidad del eje y, es decir en x = -1 y en x = 1.

La siguiente imagen muestra el gráfico aproximado de la f.d. de la v.a. Z: N( 0, 1) comparado

con la X: N( 2; 0,5) del ejemplo anterior

Los valores que toma la función de distribución de la normal Z: N (0, 1) está tabulada en una
tabla a doble entrada.

Si queremos calcular P(Z<1,25) buscamos F(1,25) de la siguiente forma:

 12
Unidad 4: Variable aleatoria continua

z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,500000 0,503989 0,507978 0,503989 0,515953 0,519939 0,523922 0,527903 0,468119 0,535856
0,1 0,539828 0,543795 0,547758 0,543795 0,555670 0,559618 0,563559 0,567495 0,507978 0,575345
0,2 0,579260 0,583166 0,587064 0,583166 0,594835 0,598706 0,602568 0,606420 0,547758 0,614092
0,3 0,617911 0,621719 0,625516 0,621719 0,633072 0,636831 0,640576 0,644309 0,587064 0,651732
0,4 0,655422 0,659097 0,662757 0,659097 0,670031 0,673645 0,677242 0,680822 0,625516 0,687933
0,5 0,691462 0,694974 0,698468 0,694974 0,705402 0,708840 0,712260 0,715661 0,662757 0,722405
0,6 0,725747 0,729069 0,732371 0,729069 0,738914 0,742154 0,745373 0,748571 0,698468 0,754903
0,7 0,758036 0,761148 0,764238 0,761148 0,770350 0,773373 0,776373 0,779350 0,732371 0,785236
0,8 0,788145 0,791030 0,793892 0,791030 0,799546 0,802338 0,805106 0,807850 0,764238 0,813267
0,9 0,815940 0,818589 0,821214 0,818589 0,826391 0,828944 0,831472 0,833977 0,793892 0,838913
1,0 0,841345 0,843752 0,846136 0,843752 0,850830 0,853141 0,855428 0,857690 0,821214 0,862143
1,1 0,864334 0,866500 0,868643 0,866500 0,872857 0,874928 0,876976 0,878999 0,846136 0,882977
1,2 0,884930 0,886860 0,888767 0,886860 0,892512 0,894350 0,896165 0,897958 0,868643 0,901475
1,3 0,903199 0,904902 0,906582 0,904902 0,909877 0,911492 0,913085 0,914656 0,888767 0,917736
1,4 0,919243 0,920730 0,922196 0,920730 0,925066 0,926471 0,927855 0,929219 0,906582 0,931888
1,5 0,933193 0,934478 0,935744 0,934478 0,938220 0,939429 0,940620 0,941792 0,922196 0,944083
1,6 0,945201 0,946301 0,947384 0,946301 0,949497 0,950529 0,951543 0,952540 0,935744 0,954486
1,7 0,955435 0,956367 0,957284 0,956367 0,959071 0,959941 0,960796 0,961636 0,947384 0,963273
1,8 0,964070 0,964852 0,965621 0,964852 0,967116 0,967843 0,968557 0,969258 0,957284 0,970621
1,9 0,971284 0,971933 0,972571 0,971933 0,973810 0,974412 0,975002 0,975581 0,965621 0,976705
2,0 0,977250 0,977784 0,978308 0,977784 0,979325 0,979818 0,980301 0,980774 0,972571 0,981691

ACTIVIDAD

Sabiendo que Z tiene distribución normal estándar hallar:

a) P(X  2,52) b) P(X  -1,83) c) P(X  2,34)

d) P(X > -0,02) e) P(1,35 < X < 2.53) f) P(-0,73 < X < 1.96)

CÁLCULO DE PROBABILIDADES UTILIZANDO LA TABLA

NORMAL STANDARD

Para hallar probabilidades en los casos de otras distribuciones normales

X: N(  ;  ) utilizaremos la siguiente

fórmula de transformación de X a Z:N(0;1)

X 
Z


Supongamos que X:N(10;2) y queremos calcular P(X<12,5)

 13
Unidad 4: Variable aleatoria continua

Entonces si, en la desigualdad, restamos  = 10 en ambos miembros y dividimos por  = 2, se

mantiene el sentido, es decir que:
 X-10 12,5-10 
P(X<12,5) = P 
2 
<
 2
P(X<12,5) = P (Z < 1,25)
Luego:
P ( Z < 1,25)=F(1,25)

Si buscamos en la tabla normal standard obtendremos que:

P ( Z < 1,25 )=0,894350

ACTIVIDADES

1. Si X tiene distribución normal con  =15 y  = 3 , hallar:

a) P(X  17,93) b) P(X  8,58) c) P(12,92 < X < 23,95)
2. El
tiempo de vida de un instrumento producido por cierta máquina tiene distribución
normal con vida media de 12 meses y desviación estándar de 2 meses. Hallar la
probabilidad de que un instrumento producido por la máquina dure:
a) menos de 7 meses.
b) entre 7 y 12 meses.

3. El diámetro de las barras de acero que produce una máquina tiene distribución normal
con media 2 cm y desviación estándar 0,05 cm. ¿Qué diámetro deberá tener una
arandela para que sólo puedan pasar por ella el 3% de las barras que produce la
máquina?