CLASE 10.

Variable Aleatoria Continua.

La variable aleatoria continua tiene un rango continuo de valores, por lo que el número de puntos
del rango es infinito. Por lo tanto, se debe tener en cuenta que los eventos son definidos por
medio de intervalos.

Tomemos como ejemplo una variable aleatoria definida como la duración de una llamada. El
espacio muestral seria:

Podemos definir 2 eventos:

Función de densidad de probabilidad (FDP).

Para una variable aleatoria continua, no se define una función de masa de probabilidad, sino una
función de densidad de probabilidad (FDP), simbolizada como , que se utiliza para encontrar
la probabilidad de un evento. Sin embargo, mientras que en la función de masa de probabilidad
cada valor de la variable aleatoria se tomaba como un evento que tiene asociada una
probabilidad, en el caso continuo la probabilidad del evento corresponde al área bajo la curva del
intervalo dentro de la FDP.

Suponga que en el ejemplo anterior de la duración de una llamada, se sabe que la FDP , es la
siguiente:
0.25
Función de densidad de Probabilidad f (t)

0.2
T

0.15

0.1

0.05

0
0 5 10 15
Variable aleatoria t

Notas de Clase - Procesos Estocásticos

Prof. Jackson Reina
La probabilidad del evento y sería el área sombreada bajo
la curva:

Las probabilidades de los eventos se pueden escribir como:

Nota: Se debe recordar que como el rango es continuo, la probabilidad de un punto específico del
espacio muestral es cero, ya que la probabilidad solo está definida para intervalos:

Por lo tanto, en el momento de escribir un intervalo, el resultado es el mismo si se escribe

“mayor” o “mayor o igual”; o “menor” o “menor o igual”, por ejemplo:

Ejemplo 10.1.

En el parqueadero de Unicentro se sabe que el tiempo, en segundos, que se demora un carro en salir cuando va a
abandonar el parqueadero sigue la siguiente distribución de probabilidad:

1. Hallar la probabilidad de salir del parqueadero en menos de un minuto.

2. Hallar la probabilidad de demorarse en salir entre 30 y 90 segundos.
3. Hallar la probabilidad de demorarse en salir más de 2 minutos.

La probabilidad de salir del parqueadero en menos de un minuto es:

Notas de Clase - Procesos Estocásticos

Prof. Jackson Reina
 ∫ ( )

La probabilidad de salir del parqueadero entre 30 y 90 segundos:

∫ ( )

La probabilidad de salir del parqueadero más de 2 minutos. En este caso se puede hallar el complemento:

̅ ∫ ( )

Nota: También puede hallar las integrales usando MATLAB. Por ejemplo, el código del primer punto es:

syms t;
a=int(0.02*exp(-0.02*t),0,60);
eval(a)

----- o -----

Función de probabilidad acumulada (FPA).

La función de probabilidad acumulada evalúa la probabilidad de la variable aleatoria

acumulada hasta un cierto valor ; en el caso de la variable continua corresponde a:

Note que la FPA se puede ver en términos de probabilidad de un evento como:

Esto resulta bastante conveniente para el cálculo de probabilidades en el caso de variable

continua; a continuación veamos un ejemplo de cálculo de probabilidades usando la FPA.

Ejemplo 10.2.

Resolver el ejemplo 10.1 usando la FDA.

Primero hallamos la FPA:

∫ ∫ ( )

Por lo tanto:

La probabilidad de salir del parqueadero en menos de un minuto se puede hallar directamente de la FPA:

Notas de Clase - Procesos Estocásticos

Prof. Jackson Reina
Para hallar la probabilidad de salir del parqueadero entre 30 y 90 segundos se puede usar la siguiente igualdad:

Si , entonces:

Esto se puede comprobar fácilmente de forma gráfica; el área bajo la curva entre a y b es equivalente al área bajo la
curva entre 0 y b (Probabilidad acumulada ) menos el área bajo la curva entre 0 y a.

Por lo tanto:

( ) ( )

Finalmente la probabilidad de salir del parqueadero en más de 2 minutos es:

( )

----- o -----

Valor Esperado, varianza y desviación estándar.

El valor esperado (o media) de una variable aleatoria continua, está dado por:
̅ ∫

Y la varianza de una variable aleatoria continua es:

∫ ̅

Recordemos además que la desviación estándar es la raíz cuadrada de la varianza:

√∫ ̅

Ejemplo 10.3.

Hallar la media y la varianza de la variable aleatoria definida en el ejemplo 10.1.

̅ ∫ ∫ ∫

Usando integración por partes, recordemos la formula

∫ ∫
Haciendo

Tenemos que

Notas de Clase - Procesos Estocásticos

Prof. Jackson Reina
Por lo tanto:
∫ ∫

∫ [ ] [ ∫ ]

∫ [ ]

̅ ∫

La varianza es igual a:

∫ ∫

Haciendo

Tenemos que

Por lo tanto:
∫ ∫

∫ ∫

∫ ∫ ∫

Evaluando el primer término de esta suma

Evaluando el segundo término de la suma

∫

∫ ∫

∫ [ ] [ ∫ ]

∫ [ [ [ ]]] [ [ ]]

Evaluando el tercer término de la suma

∫ [ [ ]] [ ]

Notas de Clase - Procesos Estocásticos

Prof. Jackson Reina
Por lo tanto:

Ejercicio 10.1

Sea una variable aleatoria con la siguiente FDP:

{ }

1. Halle el valor de la constante .

2. Halle la FPA.
3. Halle la media y la varianza de la variable aleatoria.

Ejercicio 10.2

Sea una variable aleatoria con la siguiente FDP:

{ }

1. Halle el valor de la constante .

2. Halle la función de distribución de probabilidad.
3. Halle la probabilidad de que este entre 1 y 2.
4. Halle la probabilidad de que sea menor que 1.
5. Sabiendo que es mayor que 1, ¿Cuál es la probabilidad de que sea menor que 2?.

Notas de Clase - Procesos Estocásticos

Prof. Jackson Reina