Curso: Matemticas para Ingeniera Civil

Clase 5: Variable aleatoria continua

 Introduccin
En un da de produccin seleccionar una pieza y medir su longitud
dimensional, este experimento puede entregar pequeas variaciones
entre un da y otro, debido a la temperatura, vibraciones la herramienta
de corte o el mismo experimentador.

En estos experimentos la medicin de inters se puede representar cmo

una variable aleatoria.

Este tipo de variables aleatorias, longitud, corriente en un alambre o

tiempo de produccin pueden tomar un conjunto infinito de valores reales
dentro de un intervalo (finito o infinito).

El rango de la variable aleatoria se considera continuo.

 Resultados de Aprendizaje de la clase
Comprender el concepto de distribucin de una variable aleatoria continua e
identificar los distintos modelos probabilsticos asociados al comportamiento
de los datos.

Resultados Especficos:
Comprender la importancia de la clasificacin de la variable y su
comportamiento para identificar modelo probabilstico a utilizar.
Identificar la contextualizacin del enunciado para entregar una adecuada
interpretacin de los datos.
Utilizar en forma adecuada las distintas herramientas estadsticas asociada
a cada modelo.
Diferenciar la utilidad entre los distintos modelos de probabilidad.
Interpretar grficos.
 Funcin de densidad de probabilidad
La funcin de densidad de probabilidad describe la distribucin de
probabilidad de una variable aleatoria continua .
La probabilidad de que se encuentre entre se determinan
mediante la integral de
 Funcin de densidad de probabilidad
Definicin:
Para una variable aleatoria , una funcin de densidad de probabilidad es
una funcin tal que:

1.
0
2.

= 1

3.

=

 Funcin de densidad de probabilidad
La funcin de densidad de probabilidad se usa para determinar el
rea que representa la probabilidad de que asuma un valor entre ,
As, para una variable aleatoria continua y cualquier valor .

= =0
Pues

= 0

As, si es una variable aleatoria continua

1 2 = 1 < 2 = 1 < 2 = 1 < < 2

 Ejemplo 1:
Sea una variable aleatoria que denota la corriente medida en un alambre.
Supongamos que el rango de valores posibles de es 0, 20 y la funcin
de densidad es = 0,05.

Cul es la probabilidad de que la medicin de corriente sea menor a 10?

10
10
< 10 = 0,05 = 0,05
0
0
= 0,05 10 0,05 0 = 0,5
 Ejemplo 2:
El ndice de crecimiento de nuestras ventas es una variable aleatoria, que
viene explicitada por una funcin de densidad:

= 2 [0,1]

Por motivos de produccin conocemos que el ndice de ventas ha de estar

entre 0.2 y 0.3, o bien entre 0.25 y 0.7 para conseguir nuestros ptimos
empresariales. Con esta informacin, calcular la probabilidad de que
consigamos dichos ptimos:

= ( 0.2; 0.3 0.25; 0.7 )

 Solucin:
= 0.2; 0.3 0.25; 0.7 =
= 0.2; 0.3 + 0.25; 0.7 ( 0.25; 0.3 )
As,
0.3 0.3
= 0.2 0.3 = 2 = 2
= 0,09 0,04 = 0,05
0.2 0.2

0.7 0.7
= 0.25 0.7 = 2 = 2 = 0,49 0,0625 = 0,4275
0.25 0.25

0.3 0.3
2
= 0.25 0.3 = 2 = = 0,09 0,0625 = 0,0275
0.25 0.25

Por lo que P(ptimo)= 0,05 + 0,4275 - 0,0275 = 0,45

 Funciones de distribucin acumulada
La funcin de distribucin acumulada de una variable aleatoria discreta
tambin puede usarse para variables continuas.

Definicin:
La funcin de distribucin acumulada de una variable aleatoria continua es

= =

Para < <

 Ejemplo 3:
Dada la variable aleatoria continua X, con funcin de densidad. Hallar la funcin
de densidad:
1
= +2 4
16
As

1 1
= = + 2 = + 2
16 16
4

1 1 2 2 + 4
= + 2 = + 2 =
16 16 2 32

0 , < 4
= 2 + 4
, 4
32
 Media y Varianza
La media y varianza de una variable aleatoria continua se define de manera
similar a una variable aleatoria discreta.

Definicin:
Sea una variable aleatoria continua con funcin de densidad de probabilidad
.

La media o valor esperado de es:

= =

La varianza de es:

2 = = 2 = 2 2

 Ejemplo 4:
El tiempo de reparacin en horas de cierta pieza es una variable aleatoria X con funcin de
distribucin:

0 , < 0
= 225 , 0 < 5
1 , 5

El calculo del valor esperado sera:

5 5 5
2 2 2 2 3 10
= = = =
25 25 25 3 3
0 0 0

Y la varianza
5 5 2 2
2 3 2
2 4 10 25 10 25
= () = = =
25 25 4 3 2 3 18
0 0
 Propiedades
Propiedades de la Esperanza:

+ = +
+ = + ()

Propiedades de la Varianza:

+ = 2
+ = + ()

Propiedades validas para cualquier variable aleatoria (discretas o continuas).

 Distribucin Continua Uniforme
La distribucin continua uniforme es anloga a la discreta.

Definicin
Una variable aleatoria continua con funcin de densidad de probabilidad.

1
= ,

 Distribucin Continua Uniforme
Tiene distribucin uniforme continua:

2 +
= = =
2 2

2
+ 3
+
2 3
2
= = =
3
12

 Ejemplo 5:
Sea una variable aleatoria que denota la corriente medida en un alambre.
Supongamos que el rango de valores posibles de es 0, 20 y la funcin
de densidad es = 0,05.
Cul es la probabilidad de que la medicin est entre 5 y 10 ?
10

5 < < 10 = 0,05 = 0,25

5
= 10 = 33,33 2
Tambin;
0 <

= <

1
 Distribucin Normal
El modelo ms generalizado para la distribucin de una variable aleatoria es
la distribucin normal.

Siempre que se hace la repeticin de un experimento aleatorio tiende a una

distribucin normal cuando el nmero de repeticiones es grande.

A De Movrie se le atribuye la deduccin, pero su trabajo estuvo guardado

muchos aos, ms tarde Gauss lo desarroll de manera independiente y una
distribucin normal se le conoce tambin como distribucin de Gauss o
gaussiana.

Si se supone que cada medicin es la repeticin de un experimento, entonces

puede usarse la distribucin normal.
 Distribucin Normal
Variables aleatorias con medias y varianzas diferentes pueden modelarse
por medio de la funcin de densidad de la distribucin normal.

= determina el centro de la funcin de densidad de probabilidad y

2 = la anchura.

Definicin:
Una variable aleatoria con funcin de densidad de probabilidad

1 2

= 22 < <
2

Tiene distribucin normal con parmetros .

 Distribucin Normal
Una distribucin normal se denota , 2
 Distribucin Normal: Ejemplo
Suponga que el ejercicio de la corriente se distribuye normal con media
10 y varianza 4 2 . Cul es la probabilidad de que una medicin
exceda de 13 ?
> 13

1 2

22
2
13

Debido a que no se puede determinar una expresin elemental para la

integral de la funcin de densidad de probabilidad normal, generalmente se
encuentran por mtodos numricos, los resultados por lo general se
encuentran tabulados.
 Distribucin Normal Estndar
Definicin:
Una variable aleatoria normal con = 0 2 = 1 se llama variable aleatoria
normal estndar. Una variable aleatoria normal estndar se denota como .

Definicin:
La funcin de distribucin acumulada de una
variable aleatoria normal estndar se denota
cmo

=
 Distribucin Normal Estndar
Los valores tabulados se asocian a una distribucin normal estndar, por
fortuna mediante una transformacin se puede obtener una distribucin
normal estndar.

Si es una variable aleatoria normal con = y = 2 , entonces la

variable aleatoria.

=

Es una variable aleatoria normal con media = 0 y = 1. Es decir,

es una variable aleatoria normal estndar.

Esta transformacin se conoce como estandarizacin.

 Ejemplo 6:
Volviendo al ejemplo de la corriente de un alambre que se distribuye normal
con media = 10 y 2 = 4 2 .

Para calcular la probabilidad de que la medicin

exceda de 13 , es decir > 13 , es necesario
estandarizar la variable aleatoria.

13 10
= = = 1,5
2
Luego;
> 13 = > 1,5 = 1 1,5
> 13 = 1 0,9332
> 13 = 0,0668
 Ejemplo 7:
El dimetro de un eje en un propulsor de almacenamiento ptico, tiene una
distribucin normal con media 0,2508 pulgadas y una desviacin estndar de
0,0005 pulgadas. Las especificaciones de los ejes son 0,2500 0,0015
pulgadas. Qu proporcin de ejes cumplen las especificaciones?

Solucin:
Para que cumplan las especificaciones deben estar en el rango
0,2485; 0,2515 , por lo tanto:

0,2485 0,2508 0,2515 0,2508

0,2485 < < 0,2515 = <<
0,0005 0,0005

4,6 < < 1,4 = < 1,4 < 4,6 = 0,9192 0,0000
= 0,9192
 Grficas de probabilidad
Cmo saber si la distribucin normal es un modelo razonable de los datos?
La grfica de probabilidades es un mtodo grfico para determinar si los
datos muestrales se ajustan.
Para hacer una grfica de probabilidad se ordenan las observaciones de
menor a mayor.
Las observaciones observadas se grafican contra sus frecuencias
0,5
acumuladas observadas en el papel de probabilidad apropiado.

Si la distribucin hipottica est describe adecuadamente los datos, los
puntos estarn aproximadamente sobre una lnea recta.
Tambin se puede considerar en el eje x o y
0,5
=

La lnea se dibuja conectando los percentiles 25 con 75.
 Grficas de probabilidad
Generalmente se aplican para la prueba de supuestos

Figura: Ejemplo salida de R para un conjunto de datos

 Aproximacin Normal
Es posible usar la distribucin normal para aproximar una variable
aleatoria binomial para un gran nmero de ensayos.
En casos cuando el es grande es complicado calcular las probabilidades
mediante la distribucin binomial.

Si es una variable aleatoria binomial, entonces

=
1

Es aproximadamente una variable aleatoria normal estndar. La aproximacin

es buena para
> 5 1 > 5
 Ejemplo 8:
En un canal de comunicacin digital, el nmero de bits recibidos con error
puede modelarse con una variable aleatoria binomial. Suponga que la
probabilidad de que un bit se reciba con error es 105 . Si se transmiten 16
millones de bits. Cul es la probabilidad de que ms de 150 se transmitan
con error?
Solucin:
> 150 = 1 150
150
16000000 5 5 16000000
=1 10 1 10

=0
Estandarizando y aproximando a la normal
150 160
> 150 = > = > 0,79 = 0,785
160 1 105
Ejemplo
 Resumen
Ciertos fenmenos pueden tomar valores dentro de un intervalo continuo.

Se estudi en profundidad la distribucin de probabilidad, ms

importante, normal y sus principales aplicaciones.

La distribucin normal permite facilitar el clculo de la distribucin

binomial cuando la muestra es muy grande.