You are on page 1of 10

VARIABLE ALEATORIA CONTINUA

Definicin. Se dice que es una variable aleatoria X es continua si su conjunto


de posibles valores es todo un intervalo (finito o infinito) de nmeros reales.
Por ejemplo, una v.a. continua puede ser el tiempo de retraso con el que un
alumno o un profesor de civil llega al aula de clases o tambin el peso o la
estatura de los estudiantes de Ingeniera civil.
La funcin de densidad de una variable aleatoria continua
Definicin. - Se dice que la funcin de densidad f(x) es una funcin de
densidad (ley o distribucin) de probabilidad de la variable aleatoria X si
satisface las siguientes condiciones:
a) f ( x ) 0 para todo x
+
b) () = 1
c) p( A) p x A (), para cualquier intervalo A

d) P(a x b) ()

Notas.
1.- La condicin a) expresa que la grfica de f(x) no tiene puntos por debajo del
eje de las abscisas.
La condicin b), indica que el rea bajo la curva es igual a uno.

La condicin c) expresa: probabilidad igual a rea. Esto es, si A a, b , la


probabilidad p ( a x b) es igual a rea de la regin limitada por la curva, el eje X y las
rectas X=a, X=b, es decir:

2.- No es difcil verificar que si el evento A es cualquier intervalo en la recta


real, entonces, P(A) satisface los axiomas de probabilidad.
3.- Cualquier funcin f(x) que satisfaga solo las condiciones a) y b), no es
probabilidad, slo es probabilidad cuando la funcin de densidad es integrada
entre dos lmites. Por ejemplo, la funcin:
3 2
f ( x) x para a x b
8
Satisface las condiciones a) y b), pero f(x) no es probabilidad, ya que entre
otros valores tiene, f(2)=1.5 , f(1.8)=1.215
4.- Si x0 es cualquier valor especifico de la variable aleatoria X, entonces:

p X x0 p x0 x x0 () = 0

Como consecuencia se tiene:

a) P(A)=0, no implica A
b) p ( a x b) p ( a x b) p ( a x b) p ( a x b )

Funcin de distribucin acumulada de variable aleatoria continua


Definicin. - La funcin de distribucin acumulada (f.d.a.), F(x) de una
variable aleatoria continua X con funcin de densidad f(x), se define por:
x
F ( x) p( X x) f (t )dt , para x

De la definicin de funcin de distribucin acumulada de una variable aleatoria


continua se deducen las propiedades siguientes:
1.- F () 0

2.- F () 1

3.- p(a x b) F (b) f (a)

Valor esperado o esperanza matemtica


Las distribuciones de probabilidad de una variable aleatoria se caracteriza
bsicamente a travs de medidas de tendencia central y de la dispersin. Estas
medidas caractersticas de la distribucin denominadas parmetros se
describen por medio de la esperanza matemtica.
Media de una variable aleatoria
La media de una variable aleatoria X o media de la distribucin de probabilidad
de X es un nmero real que se denota por X o por . La media es
denominada tambin esperanza matemtica o valor esperado de X y se denota
tambin por E ( x) .
Definicin. La media de una variable aleatoria continua X con funcin de
densidad de probabilidad f(x) es la expresin:

E ( x) xf ( x)dx

Siempre que el valor de la integral sea un nmero real, en caso contrario, se dice que la media
de X no existe.

Varianza de una variable aleatoria


Definicin. - Sea X una variable aleatoria con distribucin de probabilidad f(x) y
con media igual a . La varianza de X es la expresin:

X2 E ( x )2 ( x )2 f ( x)dx

Si X es continua siempre que la suma y la integral sean nmeros


reales.

Desviacin estndar de una variable aleatoria

Definicin. - La desviacin estndar de la variable aleatoria X es la raz


cuadrada positiva de su varianza. Esto es:
x X2
Ejercicio de aplicacin de la variable aleatoria continua
1.-Sea X una variable aleatoria cuya funcin de densidad es:
+ ; [; ]
() = {
;
a) Encontrar el valor de la constante a
b) Hallar la media y la varianza y desviacin estndar de X.
c) Hallar la funcin de distribucin de X.
d) Hallar la mediana de X
SOLUCIN:
a) Encontrar el valor de la constante a:
1
() = 0 ( + 3 ) = 1

Integrando se obtiene:
=2
Entonces:
+ 2 3 ; [0; 1]
() = {
0 ;

b) Hallar la media y la varianza de X.


1
La media: = [] = 0 ( + 2 3 )

3 2 5 1
= [] = + |
3 5 0
11
= [] =
15
La varianza: () = [ 2 ] 2
1
Primeramente hallamos [ 2 ] = 0 2 ( + 2 3 )
7
[ 2 ] = 12

() = [ 2 ] 2
7 11
() = ( )2
12 15
41
() = = 0.0456
900
X 2

X 0,0456 0, 2135
c) Hallar la funcin de distribucin de X.

Debemos integrar la funcin de densidad:


() = ( + 2 3 )
() = 0, < 0 () = 1, 1


1 1, () = ( + 2 3 )
1

0, < 0
2 4

() = { + , 0 1
2 2
1, > 1

d) Hallar la mediana de X:
() = [ ] = 0.5
2 4
() = + = 0.5
2 2
= 0.786
2.-Sea la funcin definida por:

( ),
() = {
, < >
Comprobar que cumple las condiciones para ser una funcin de densidad
de probabilidad. Si X es una variable aleatoria cuya funcin densidad es ,
calcular:
1. ( > . )
2. (. < < . )
3. ( > . > . )
4. []
SOLUCIN:
Las condiciones que debe cumplir una funcin para ser una densidad de
probabilidad, comprobaremos que f(x) las cumple; primero, si 0 1, se
tiene 2(1 ) 0 luego se tiene () 0 para todo ; segundo, unos
pocos clculos nos muestran que la integral de () es igual a uno.

0 1
() = 0 + 2(1 ) + 0
0 1
1
= 2(1 )
0

Ahora, una funcin primitiva de 2(1 ) es (1 )2 , ya que se tiene:

2(1 ) = 2 (1 )

(1 )2
2 = (1 )2
2
Y resulta

1
1
2(1 ) = (1 )2 0 = 1
0

1. Aplicamos formula:

( > 0.5) = ()
0.5
1
= 2(1 )
0.5
1
= (1 )2 0.5 = 0.52 = 0.25

2. Calculamos con la formula anterior:


0.75
(0.5 < < 0.75) = ()
0.5
0.75
= 2(1 )
0.5
0.75
= (1 )2 0.5 = 0.52 0.752 = 0.1875

3. Como consecuencia de la definicin de probabilidad condicionada,


para calcular
( > 0.75, > 0.5), necesitamos conocer ( > 0.5), que ya calculamos
en el apartado 1.
Y ({ > 0.75} { > 0.5}) = ( > 0.75), que se calcula de manera
similar

( > 0.75) = ()
0.75
1
= 2(1 )
0.75
1
= (1 )2 0.75 = 0.752 = 0.0625

Se sigue:
( > 0.75) 0.0625
( > 0.75/ > 0.5) = = = 0.25
( > 0.5) 0.25
4. El concepto y clculo del valor esperado de una variable continua X se
explica en el apartado 2.1.4; en este caso, el valor a calcular es:
1 1
[] = 2(1 ) = 2 ( 2 )
0 0
1 1
2 2 3
=
20 3 0
2 1
=1 =
3 3
Para calcular la varianza lo mejor es emplear la frmula 2.14, para ello
calculamos el momento de segundo orden:
1 1
[ 2 ] = 2 2(1 ) = 2 ( 2 3 )
0 0
1 1
2 3 2 4
=
3 0 4 0
2 1 1
= =
3 2 6
Ahora, el clculo de la varianza es igual a:

1 12 1
2 = =
6 3 18
3.- La demanda en miles de kilogramos de un producto es una variable
aleatoria X con funcin de densidad de probabilidad dada por:
,
() = {
,

Grafique la distribucin de X. Luego, calcule su media, su mediana y su


moda.
Si la utilidad en miles de soles del producto es el doble de la demanda
menos 3 soles, calcule la media y la varianza de la utilidad.
Solucin:
a) hallemos c
3
= 1
0
3
2
| =1
2 0

= 2/9


0.7

0.6

0.5

0.4

0.3

0.2

0.1

0
0 0.5 1 1.5 2 2.5 3 3.5
2
() = {9 , 0 < 3
0,

Ahora calculemos su media


+ 3 3
2 2 3
() = () = = | =2
0 9 27 0

Su mediana ser cuando () = 0.5



2 2
() = =
0 9 9
Ahora
2
() = 0.5 =
9
= 4.5
La moda es en el punto donde () alcanza su mxima expresin, segn la
grfica en 3.
= 3

b) La utilidad ser: = 2 3
La varianza
32 3 2 2
() = ( 2 ) [()]2 = 0 9 . 2 [0 9 ] = 4.5 4 = 0.5

Nos pide hallar la media y la varianza de la utilidad:


Tenemos () = 2 y () = 0.5
(2 3) = 2. () 3 = 1 () = 1
(2 3) = 22 () = 2 () = 2