GUIA 7: VARIABLE ALEATORIA CONTINUA

PROFESOR: Alonso Arroyo A.

Objetivo: Estudiar las distribuciones de probabilidad asociadas a una variable aleatoria continua

Definición 1: Variable aleatoria continua.

Una variable aleatoria es continua cuando puede tomar cualquier valor en un intervalo [a,b], donde a y b son dos números
reales.
Ejemplos de variables continuas son: tiempos en segundos, de realizar una tarea específica de un operario en una línea
de ensamble; ingresos de un grupo de empleados; edad de un estudiante; consumo de gasolina en un carro.

Definición 2: Función de densidad de probabilidad f(x).

La función f(x) es una función de densidad de probabilidad para la variable aleatoria continua x si cumple:

1. 𝑓(𝑥) ≥ 0, 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑎 𝑥 ∈ 𝑅

∞
2. ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1
𝑏
3. 𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = ∫𝑎 𝑓(𝑥)𝑑𝑥

Ejercicio 1: La proporción diaria de tiempo que están ocupados todos los montacargas en una bodega es una variable
aleatoria X que tiene la función de probabilidad siguiente

kx(1  x) 0  x 1
f ( x)  
0 en lo demas
a. Calcular el valor de k que hace a f(x) una función de densidad de probabilidad Rta. k = 6
b. Calcular P(0.4  X  1) Rta. 0.65

c. Calcular P( X  0.4 X  0.8) Rta. 0.39

d. Calcular el promedio y la varianza de X. Ayuda: aplique las definiciones 4 y 7.

Definición 3: Función de distribución acumulada 𝑭(𝒙)

𝐹(𝑥) es una distribución de probabilidad acumulada de la variable aleatoria X si 𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥0 ) donde 𝑥0 es una valor
de X.
Definición 4: Valor esperado

𝜇 = 𝐸(𝑥) = ∫ 𝑥𝑓(𝑥)𝑑𝑥
−∞

Definición 5: Mediana La mediana es el menor valor que satisface F ( x)  0.50  P( X  x)  0.5

Definición 6: Moda La moda es el valor más probable.
Definición 7: Varianza. La varianza,, de una variable aleatoria X con función de distribución de probabilidad f(x) se
determina así:
 ∞
𝜎 2 = 𝐸[(𝑥 − 𝜇)2 ] = ∫ (𝑥 − 𝜇)2 𝑓(𝑥)𝑑𝑥
−∞

Ejercicio 2: Las especificaciones piden que el espesor de las hojas de aluminio para hacer latas estén entre 8 y 11
milésimos de pulgada. Sea x el espesor de una hoja de aluminio. Suponga que la función de densidad de probabilidad de
X está dada por:

x
 6  x  12
f ( x)   54
0 de otro mod o
a. ¿Qué proporción de hojas cubrirán con la especificación?
b. Determine la media del espesor de una hoja
c. Determine la varianza del espesor de una hoja
d. Determine la función de distribución acumulativa del espesor
e. Determine la mediana del espesor
f. Una hoja especial tiene 10 milésimos de pulgada de espesor. ¿Qué proporción de hojas tiene más espesor?

Ejercicio 3: La fracción del tiempo, X, que un robot industrial esta en operación durante una semana de trabajo de 40
horas es una variable aleatoria cuya función de densidad de probabilidad es

2 x 0  x 1
f ( x)  
0 en lo demas
a. Calcule E(X) y V(X).
b. Para el robot que se estudia, la ganancia Y semanal está dada por Y=200X – 60. Calcule E(Y) y V(Y)
c. Determinar un intervalo en el que debe quedar la ganancia por lo menos el 75% de las semanas en las que se usa el
robot. (sugerencia: use el teorema de Chebyshev)

Definición 8: La distribución exponencial.

La variable aleatoria X sigue una distribución exponencial si su función de densidad de probabilidad es:

f ( x)  e x   0, x  0
Ejercicio 4: Haga una representación grafica de la distribución exponencial.
1 1
Ejercicio 5: Obtenga la media y la varianza de la distribución exponencial. Rtas. ,
𝜆 𝜆2

Ejercicio 6: La vida útil de las bujías utilizadas en aviones comerciales sigue una distribución exponencial con una duración
promedio de 2500 horas. Un fabricante de bujías desea saber:
a. la probabilidad de que una bujía opere sin falla más de 4000 horas. Rta. 0.20
b. La probabilidad de que una bujía opere sin falla hasta 2000 horas. Rta. 0.55

Ejercicio 7: Un operador de estación de bombeo observa que la demanda de agua en determinada hora del día se puede
representar mediante una variable aleatoria exponencial cuyo promedio es 100 pies cúbicos por segundo. Calcular la
probabilidad de que la demanda sea mayor que 200 pies en un día seleccionado al azar. ¿Cuál es la capacidad máxima
de suministro de agua que debería conservar en circulación la estación en esa hora para que la demanda sea mayor que
la capacidad de suministro con una probabilidad tan solo de 0.01? R/ 460.51
Opcional: Relación entre la distribución exponencial y la distribución de poisson
La distribución exponencial modela el tiempo de espera de un evento cuando estos eventos siguen un proceso de Poisson.
Sea X el numero de eventos que ocurren en un intervalo de longitud t, luego X ~ Poisson( t ). Sea T el tiempo de espera

hasta el próximo evento, luego T ~ Exp(  ).

Ejemplo: Una masa radiactiva emite partículas de acuerdo a un proceso de Poisson a una media de 15 partículas por
minuto. Para la siguiente emisión, cual es la probabilidad de que transcurran mas cinco segundos? ¿Cuál es la media del
tiempo de espera hasta que se emita la siguiente partícula?

5
15 particulas
S/   0.25 , luego P(T  5)  1  P(T  5)  1   0.25e 0.25t dt  0.2865
60 segundos 0

1. Propiedad Falta de memoria.

Ejemplo: A) El tiempo de vida de un circuito integrado particular tiene una distribución exponencial con media de dos
años. Encuentre la probabilidad del que el circuito dure más de tres años. R/ P(T  3)  0.223
B) Suponga que actualmente un circuito tiene cuatro años y aun funciona. Determine la probabilidad de que funcione tres
años más. Compárala con la probabilidad de que un circuito nuevo funcione tres años más, la cual se calculo en A).
P(T  7  T  4) P(T  7)
S/ P(T  7 T  4    0.223
P(T  4) P(T  4)
La probabilidad de que un circuito con cuatro años dure tres años mas es la misma probabilidad de que le circuito nuevo
dure tres años. Esta propiedad se llama: Propiedad de Falta de Memoria. P(T  t  s T  s  P(T  t )
Ejercicio 8. Se considera que el número de accidentes de tránsito en cierta intersección sigue el modelo de un proceso
de poisson con una media de tres cadentes al año.

a. Determine la media del tiempo de espera entre los accidentes. Rta. 1/3
b. Determine la desviación estándar de los tiempos de espera entre los accidentes. Rta.1/3
c. Determine la probabilidad de que transcurra más de un año entre un accidente y otro. Rta. 0.0498
d. Determine la probabilidad de que transcurra menos de un mes entre un accidente y otro. Rta. 0.2212
e. Si no ocurre ningún accidente en los últimos seis meses, cual es la probabilidad de que suceda un accidente durante
el siguiente año? Rta. 0.9502
Taller
1. El tiempo, en minutos, para que un aeroplano obtenga vía libre para aterrizar en cierto aeropuerto es una variable
aleatoria Y = 3 X – 2, donde X tiene la función de probabilidad:
1 x / 4
 e x0
f ( x)   4
0 en cualquier otro caso

Encuentre la media y la varianza de la variable aleatoria Y.

2. Un contratista presenta una oferta para realizar un proyecto, para el que hay que hacer mas investigación y desarrollo.
Se estima que el costo total del cumplimiento de las especificaciones del proyecto es de 20 millones de dólares más
el costo de la investigación y desarrollo adicionales. El contratista considera que el costo de la investigación y
desarrollo es una variable aleatoria que tiene una media de 4millones de dólares y una desviación estándar de 1
millón de dólares. El contratista desea presentar una oferta tal que el beneficio esperado se un 10% de los costos
esperados. ¿Qué oferta debe presentar? Si la acepta, cuál será la desviación estándar del beneficio generado por el
 proyecto? Rta. 26.4 y 1 millones de dólares. Ayuda: Defina: Beneficios = 0.10 * Costos_totales y Beneficios=Oferta
– Costos_totales.

3. Un vendedor tiene un sueldo anual de $ 6.0 millones de pesos más un 8 por ciento del valor de los pedidos que reciba.
El valor anual de estos pedidos puede representarse por medio de una variable aleatoria que tiene una media de 60
millones y una desviación estándar de 180 millones. Halle la media y la desviación estándar de la renta anual de este
vendedor. Rta. 10.8 millones y 14.4 millones.

4. Un vendedor de gas domiciliario tiene un tanque de 150 galones que se llena al principio de cada semana. Su
demanda semanal tiene una distribución de probabilidad que crece constantemente desde cero hasta 100 galones y
permanece constante entre 100 y 150 galones. Si X denota la demanda semanal en cientos de galones, distribución
de probabilidad de la demanda se puede representar por:

𝑥, 0≤𝑥 ≤1
𝑓(𝑥) = { 1, 1 < 𝑥 ≤ 1.5
0, 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑝𝑢𝑛𝑡𝑜

a. Obtener 𝐹(𝑥) b. Calcular: 𝑃(0 ≤ 𝑋 ≤ 0.5) c. Calcular: 𝑃(0.5 ≤ 𝑋 ≤ 1.2

𝑥2
, 0<𝑥<1
2
Rtas. 𝑎. 𝐹(𝑥) = { 1
, b. 0.125, c. 0.575
𝑥 − , 1 < 𝑥 ≤ 1.5
2

5. El tiempo X que tarda en realizarse una investigación de mercados es una variable aleatoria que tiene una distribución
exponencial con media de 10 horas. El costo C para realizar una investigación de mercados está relacionado con el
cuadrado del tiempo que tarda en realizarse una investigación mediante la formula

𝐶 = 100 + 40𝑋 + 3𝑋 2

Encontrar el valor esperado y la varianza de 𝐶. Rtas. 1100, 2,920,000. Ayuda: Use 𝑉𝑎𝑟(𝑥) = 𝐸(𝑥 2 ) − 𝜇 2 con los datos de
la exponencial.

6. La proporción del tiempo por día que todas las cajas registradoras a la salida de cierto hipermercado están ocupadas,
es una variable aleatoria X con función de densidad

𝑐𝑥 2 (1 − 𝑥)2 , 0≤𝑥≤1
𝑓(𝑥) = {
0, 𝐸𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑝𝑢𝑛𝑡𝑜

a. Encontrar el valor de 𝑐 que hace de 𝑓(𝑥) una función de densidad de probabilidad Rta. 105
b. Encontrar 𝐸(𝑥) Rrta. 0.375