You are on page 1of 13

5 Variables aleatorias contínuas

Una variable aleatoria continua puede tomar cualquier valor en un intervalo
de números reales..
Función de densidad. La función de densidad de una variable aleatoria
continua es una función 1 que cumple
1(r) 0.
Z
1
1
1(r)dr = 1. (13)
(comparar con (7)) y para todo c < /
1(/) 1(c) = 1(c < A /) =
Z
b
o
1(r)dr. (14)
Entonces es evidente que para una variable aleatoria continua:
1(c < A < /) = 1(c A /)
La relación entre la función de densidad y la función de distribución está
dada por:
1(r) = 1(A r) =
Z
a
1
1(n)dn.
de donde se deduce que la función de distribución de una variable aleatoria
continua, es una función continua en todas partes; y que la función de den-
sidad es la derivada de la función de distribución, en todos los puntos en los
que esta última sea derivable:
1(r) =
d1(r)
dr
.
5.1 Parámetros de una variable aleatoria continua
La esperanza o media de una variable continua con función de densidad 1. es
EA =
Z
1
1
r1(r)dr.
cuando esta integral está de…nida.
27
Si A es una variable aleatoria continua con densidad 1 y / es una función
cualquiera, /(A) es una variable aleatoria cuya esperanza se calcula como:
E/(A) =
Z
1
1
/(r)1(r)dr
cuando esta integral está de…nida.
La propiedad de linealidad del valor esperado también vale para variables
aleatorias continuas, así como la de…nición y propiedades de la varianza, y
de la desviación típica.
Para variables aleatorias continuas se de…nen los cuantiles de la siguiente
forma, para cualquier 0 < c < 1. el cuantil -c, es el valor r(c). tal que
1(r(c)) = 1(A r(c)) =
Z
a(c)
1
1(r)dr = c
En particular, el cuantil -0.5 se llama mediana y es el valor e j, tal que:
1(e j) =
Z
e j
1
1(r)dr = 12
Ejemplo 5.1 Sea X una v. a. con densidad dada por:
1(r) =
0.2 si 1 r 0
0.2 +cr si 0 < r 1
0 en caso contrario
Obtener 1(r)
Gra…car 1(r) y 1(r)
Calcular 1(1), 1(0) y 1(1)
Calcular 1(0 A 0.5)
Ejemplo 5.2 Sea A una v.a. con la siguiente función de distribución:
1(r) =
0 si r < 0
r8 si 0 r < 2
r
2
16 si 2 r 4
1 si r 4
Obtener la función de densidad para A
Calcular 1(1 A 3)
Calcular 1(A 1.5)
Realice los ejercicios de 1 a 5
28
5.2 Distribución uniforme
Veamos un ejemplo muy simple: supongamos que una persona toma un
colectivo para ir al trabajo, que pasa exactamente cada 5 minutos. Si sale
de su casa sin tener en cuenta la hora, el tiempo A, que tiene que esperar
en la parada es una variable aleatoria que puede tomar cualquier valor en el
intervalo [0. 5], la función de densidad para esta variable es:
1(r) =
15 si rc [0. 5]
0 en otro caso
Es evidente que 1(r) 0, para todo r; y que el área total bajo 1(r) es
igual a 1.
La probabilidad de que tenga que esperar entre 1 y 3 minutos es:
1(1 A 3) =
R
3
1
1
5
dr =
2
5
Se dice que esta variable aleatoria tiene distribución uniforme en el inter-
valo [0,5]
En general se dice que una variable aleatoria tiene distribución uniforme
en el intervalo [a,b] (A s l[c. /]), si su función de densidad está dada por:
1(r) =
1
bo
si rc[c. /]
0 en otro caso
esta función cumple: 1(r) 0 para todo r; y
R
1
1
1(r)dr = 1.
Calculemos la media y varianza de una variable aleatoria con distribución
uniforme en [a,b].
EA =
Z
1
1
r1(r)dr =
Z
b
o
r
/ c
dr =
1
/ c
/
2
c
2
2
=
/ + c
2
entonces la media de una distribución uniforme es el punto medio del inter-
valo. Para calcular la varianza, calculamos primero
EA
2
=
Z
1
1
r
2
1(r)dr =
Z
b
o
r
2
/ c
dr =
1
/ c
/
3
c
3
3
=
c
2
+ c/ + /
2
3
entonces
var(A) = EA
2
(EA)
2
=
c
2
+ c/ + /
2
3

(/ + c)
2
4
=
(/ c)
2
12
29
La función de distribución está dada por:
0 si r < c
1(r) =
ao
bo
si rc[c. /]
1 si r /
Para calcular la mediana e j. podemos hacer:
1(e j) =
e j c
/ c
= 12
y despejando:
med(A) = e j =
/ + c
2
en este caso la mediana y la media coinciden. Esto ocurre siempre que la
distribución es simétrica.
5.3 Distribución exponencial
Veamos otro ejemplo de variable aleatoria continua. Pensemos en un proceso
temporal de Poisson, y consideramos el tiempo 1 transcurrido entre la pre-
sentación de dos eventos sucesivos. Ese tiempo 1, es una variable aleatoria
que puede tomar cualquier valor no negativo, y puede demostrarse que tiene
función de densidad dada por:
1(r) =
\c
Aa
si r 0
0 si r 0
y se dice que tiene distribución exponencial con parámetro \ (A v c(\)),
donde \ es el valor medio del número de eventos por unidad de tiempo.
Su función de distribución está dada por:
1(t) =
Z
t
1
1(r)dr =
1 c
At
si t 0
0 si t 0
Ejemplo 5.3 Supongase que se reciben llamadas en una línea telefónica de
emergencias las 24 hs del día, según un proceso de Poisson con una tasa 0.5
llamadas por hora. ¿Cuál es la probabilidad de que transcurran más de dos
horas entre dos llamadas sucesivas?
30
La variable aleatoria 1. el tiempo (medido en horas) entre dos llamados
sucesivos, tiene distribución exponencial con \ = 0.5. Entonces:
1(1 2) = 1 1(1 2) = 1 (1 c
0.52
) = 0.3679
La media y varianza de una variable exponencial \ están dadas por:
E1 =
1
\
; var(1) =
1
\
2
Para calcular la mediana e j
1(e j) = 1 c
Ae j
= 12
luego
med(1) = e j =
ln 2
\
en este caso puede verse que la mediana es menor que la media.
Realice los ejercicios de 6 a 9
5.4 La distribución normal
La distribución normal típica (o normal N(0. 1)) tiene densidad
.(.) =
1
p
2:
c
:
2
/2
se puede ver que esta función es simétrica respecto de 0
Si 2 tiene esta distribución, entonces se prueba que
E2 = 0. var(2) = 1
Llamamos (.) a su función de distribución; entonces para todo c < /.
1(c 2 /) = (/) (c).
Por ser . simétrica, la cumple
(.) = 1 (.). (15)
31
Las tablas de suelen incluir sólo las . 0. y los valores para . < 0 se
obtienen usando (15).
Por ejemplo, se obtiene de la tabla que (1.02) = 0.8461. Para calcular
(1.02) se hace 1 0.8461 = 0.1539.
Se deduce de (15) que los cuantiles de la N(0. 1) cumplen
.(1 c) = .(c). (16)
y en particular la mediana
med(2) = e j = .(0.5) = 0.
La variable A tiene distribución normal con media j y varianza o
2
(que
se indica N(j. o
2
)) si su función de densidad está dada por:
1(r) =
1
p
2:o
c
(aj)
2
/2o
2
puede verse que la grá…ca de esta función es simétrica respecto de j.
También puede demostrarse que si A s N(j. o
2
), entonces:
1(A) = j , \ (A) = o
2
Importante: La familia de distribuciones normales tiene la siguiente
propiedad: si A s N(j. o
2
), entonces para cualquier c 6= 0 y cualquier /, se
veri…ca que ) = cA + / s N(cj + /. c
2
o
2
)
Entonces, variable normalizada 2 = (Aj)o tiene distribución N(0. 1).
O sea que
A s N(j. o
2
) si A = j + o2 donde 2 s N(0. 1). (17)
Ejemplo 5.4 Sea A s N(30. 4), se desea calcular 1(28 < A < 31).
1(28 < A < 31) = 1((28 30)2 < (A 30)2 < (31 30)2) =
= 1(1 < 2 < 12) = (0.5) (1) = (0.5) (1 (1)) =
= 0.6915 (1 0.8413) = 0.5328
32
En general, para calcular probabilidades correspondientes a una A con
distribución N(j. o
2
). se la lleva al caso N(0. 1), trabajando con 2 = (A
j)o. Su función de distribución es entonces
1(r) = 1(A r) = 1

2
r j
o

=

r j
o

.
y por lo tanto, si c < / :
1(c A /) = 1(/) 1(c) =

/ j
o

c j
o

.
De aquí se puede ver que para cualquier variable aleatoria A con dis-
tribución normal, la probabilidad de que A esté dentro de 1 desvío estándar
de su media es:
1(j o < A < j + o) = (1) (1) = 0.6826
1(j 2o < A < j + 2o) = (2) (2) = 0.9544
y 1(j 3o < A < j + 3o) = (3) (3) = 0.9974
Usando (17), se prueba que los cuantiles de una variable A con distribu-
ción N(j. o
2
) cumplen
r(c) = j + o.(c). (18)
donde .(c) son los cuantiles de N(0. 1).
En particular, la mediana de una A s N(j. o
2
) es
med(A) = r(0.5) = j
Ejemplo 5.5 Calcularemos los cuantiles de 0.80 y de 0.20 de una variable
normal A con media 5 y desviación 2. De la tabla: (0.84) = 0.7995 y
(0.85) = 0.8023. Interpolando resulta aproximadamente .(0.8) = 0.843. y
por lo tanto r(0.8) = 5 + 2 0.843 = 6.686. Para el otro cuantil, usamos
.(0.2) = .(0.8) y por lo tanto r(0.8) = 5 2 0.843 = 3.314.
Realice los ejercicios de 10 a 14
Realice el resto de los ejercicios
33
Práctica 3
1. Sea A una variable aleatoria con densidad dada por:
1(r) =
c(2 r) si 0 r 2
0 en caso contrario
(a) Determinar el valor de c y gra…car 1(r)
(b) Obtener y gra…car 1(r)
(c) Calcular 1(1 A 2)
(d) Calcule 1(A) y \ (A)
(e) Sea ) = 2A + 3, ¿cuál es la 1() )?
(f) Calcular el 80-percentil. (el cuantil-0.80)
2. Sea A una variable aleatoria con densidad dada por:
1(r) =
/r
3
si 0 r 1
0 en caso contrario
(a) Hallar la constante /, y gra…car
(b) Calcular la función de distribución 1(r) y gra…car.
(c) Usando la 1(r), calcular 1(0.5 < A < 0.75)
(d) Calcular 1(A) y \ (A)
(e) Calcular la mediana.
(f) Sea ) = 1A, calcular 1() )
3. El tiempo de vida, en horas, de cierto tipo de tubo de radio es una
variable aleatoria que tiene función de densidad dada por
1(r) =
0 si r 100
100r
2
si r 100
(a) Veri…car que esta es una función de densidad.
(b) Calcular la probabilidad de que uno de esos tubos deba ser reem-
plazado antes de las 150 horas de operación
(c) ¿Puede calcular la media del tiempo de vida de estos tubos?
34
(d) ¿Puede calcular la mediana del tiempo de vida de estos tubos?
(e) Determinar el valor tal que el tiempo de vida del 90% de los tubos
de radio de ese tipo sea inferior a ese valor (el 90-percentil )
4. Sea A la temperatura a que tiene lugar cierta reacción química, y sea
su densidad:
1(r) =
1
9
(4 r
2
) si 1 r 2
0 en otro caso
(a) Gra…car 1(r)
(b) Hallar la función de distribución y gra…carla
(c) ¿Es 0 la temperatura mediana a que se realiza la reacción química?.
Si no es así, ¿la temperatura mediana es menor o mayor que 0?
(d) Suponga que esta reacción química se realiza en 10 laboratorios
en forma independiente, y que la función de densidad de la tem-
peratura de reacción es la misma en cada laboratorio. Sea ) el
número entre estos 10 laboratorios en los que la temperatura de
la reacción es superior a 1. ¿Qué distribución tiene esta variable
aleatoria?
5. Para ciertas muestras de minerales, la proporción de impurezas por
muestra es una variable aleatoria Y, con densidad dada por:
1(n) =
(32)n
2
+ n si 0 n 1
0 en caso contrario
El valor de cada muestra es l = 5 0.5) . Encontrar 1(l) y \ (l)
6. Suponga que la temperatura de reacción X (en
c
C) de un cierto proceso
químico tiene una distribución uniforme en [70; 95]. Calcular:
(a) 1(A < 80), (b) 1(75 < A < 90)
7. Si A es una variable aleatoria que tiene distribución exponencial con
media igual a 20. Calcular las siguientes probabilidades:
(a) 1(A 30), (b) 1(A 20), (c) 1(20 A 30)
8. Un artículo sugiere que la profundidad (cm) de la capa de bioturbación
del sedimento, puede modelarce como una variable aleatoria con dis-
tribución uniforme en el intervalo (7.5; 20).
35
(a) ¿Cuáles son la media y la varianza de la profundidad?
(b) ¿Cuál es la función de distribución de la profundidad?
(c) ¿Cuál es la probabilidad de que la profundidad observada sea a lo
sumo 10?¿Entre 10 y 15?
(d) ¿Cuál es la probabilidad de que la profundidad observada esté
dentro de 1 desvío estándar del valor medio?
9. Sea A el tiempo (en minutos) entre dos llegadas sucesivas a un servicio
de emergencias. Si A tiene distribución exponencial con \ = 0.125.
Calcular:
(a) El tiempo esperado entre dos llegadas sucesivas.
(b) 1(A 10)
10. Calcular:
(a) la mediana y los cuartiles de una variable con distribución normal
tipica
(b) Idem, para la distribución N(10. 36)
(c) Para esta última, calcular los percentiles del 10% y del 90%.
11. La variable ) tiene distribución normal típica. Calcular las probabili-
dades de (a) ) 2.23, (b) ) 1.35, (c) 0.51 < ) < 1.54
12. Si A es una variable aleatoria con distribución normal con parámetros:
j = 10 y o
2
= 36
Calcular: (a) 1(A 5), (b) 1(4 < A < 16), (c) 1(A 8)
13. Una fábrica produce tornillos, las especi…caciones indican que el diámetro
de los mismos debe estar entre 1.19 y 1.21 pulgadas. Si el proceso de
producción es tal que el diámetro de los tornillos es una variable aleato-
ria con distribución normal con media 1.196 y desviación estandar 0.005
(a) ¿qué porcentaje de la producción no satisface las especi…caciones?
(b) ¿cuál debería ser la media para que el porcentaje que no satisface
las especi…caciones sea mínimo?
36
14. En determinada población la presión arterial diastólica entre mujeres
de 18 a 74 años se encuentra distribuida normalmente con una media
de j = 77 mmHg y una desviación estándar de o = 11.6 mmHg
(a) Cuál es la probabilidad de que una mujer elegida al azar tenga
una presión arterial diastólica menor de 60 mmHg?
(b) Cuál es la probabilidad de que tenga una presión diastólica mayor
de 90 mmHg?
(c) Cuál es la probabilidad de que tenga una presión diastólica entre
60 y 90 mmHg?
15. Un sistema consta de 5 componentes idénticos conectados en serie.
Cuando falla uno de los componentes, falla todo el sistema. Suponga
que cada componente tiene una duración que está distribuida exponen-
cialmente con \ = 0.01 y que dicha duración es independiente para
cada componente. De…na ¹
j
={i-ésimo componente dura por lo menos
t horas}, i = 1. .... 5 (estos ¹
j
son eventos independientes). Sea A = el
tiempo en que falla el sistema (esto es la duración más breve entre las
cinco componentes)
(a) El evento (A t), ¿es equivalente a qué evento donde aparecen
las ¹
j
?
(b) Por medio de la independencia de las ¹
j
, calcule 1(A t). Luego
obtenga 1(t) = 1(A t) y la densidad de A
16. La demanda semanal de gas propano (en miles de galones) es una
varable aleatoria X con densidad dada por:
1(r) =
2(1 1r
2
) si 1 r 2
0 en caso contraio
(a) Calcular la función de distribución.
(b) Calcular la mediana.
(c) Calcular 1(A) y \ (A)
(d) Si al principio de la semana hay 2300 galones en existencia y no
se recibe nuevo suministro durante la semana, ¿cuántos galones se
espera que queden al terminar la semana?
37
17. Se ha estudiado el volumen corpuscular medio eritrocitario (VCM) en
pacientes con posible diagnóstico de anemia ferropénica como indicador
de esta patología, el verdadero diagnóstico se establece con biopsia de
médula osea. Para simpli…car, suponemos que los valores de VCM en la
población siguen ua distribución normal. En una población de pacientes
con diagnóstico con…rmado de anemia ferropénica se ha estimado j =
73 y o = 6.1. En una población donde se ha descartado ese diagnóstico
se ha estimado j = 82 y o = 5.9. Si se utilza un valor del VCM inferior
a 75, para diagnosticar anemia ferropénica.
(a) ¿Cuál es la sensibilidad de este método? Esto es: ¿cuál es proba-
bilidad de diagnosticar correctamente un paciete que tiene anemia
ferropénica? ¿Cuál es la probabilidad de un falso positivo?
(b) ¿Cuál es la especi…cidad? Esto es la probabilidad de clasi…car
correctamente a un paciente sin anemia ferropénica ¿Cuál es la
probabilidad de un falso negativo?
(c) ¿Cómo cambiarían esos valores si el valor de corte fuera 80, y si
fuera 85?
18. La temperatura de cierta reacción química (medida en
c
C) es una va-
riable aleatoria con distribución normal con media 115 y desviación
estandar 2, ¿qué se puede decir de la distribución de la temeratura
medida en
c
F?
19. Considere una variable aleatoria X con media j y desviación estándar o.
y sea o(A) una función de A. esta es una variable aleatoria, buscaremos
una forma de aproximar su media y su varianza. La aproximación de
la serie de Taylor a o(A) en un entorno de j es:
o(A) ' o(j) + o
0
(j)(A j) (19)
El lado derecho de esta ecuación es una función lineal de A. Si la
distribución de A está concentrada en un intervalo sobre el que la
función g sea aproximadamente lineal, entonces (19) puede usarse para
aproximar los valores de 1(o(A)) y \ (o(A))
(a) Encuentre las expresiones para estas aproximaciones.
38
(b) Si el voltaje v en un medio es …jo pero la corriente I es aleatoria,
entonces la resistencia (R=v/I) también será aleatoria. Si j
1
= 20
y o
1
= 0.5, calcule los valores aproximados de j
1
y o
1
.
(c) La absorbancia c de una solución es el el negativo del logaritmo
(decimal) de su transmitancia t, c = log t. Se tiene una medición
de t con error, representada por una variable aleatoria A con
media t y desviación o. de modo que la absorvancia también es
una variable aleatoria representada por ) = log A. Si t = 0.501
y o = 0.001. calcular la desviación estándar de ) (el error en la
medición de la absorvancia)
39

el cuantil-0:5 se llama mediana y es el valor e.cuando esta integral está de…nida. con la siguiente función de distribución: 0 si x < 0 x=8 si 0 x < 2 f (x) = 2 x =16 si 2 x 4 1 si x > 4 Obtener la función de densidad para X Calcular P (1 X 3) Calcular P (X 1:5) Realice los ejercicios de 1 a 5 28 . y de la desviación típica. es el valor x( ).2 Sea X una v. F (0) y F (1) Calcular P (0 X 0:5) En particular. el cuantil.. para cualquier 0 < < 1. tal que Z x( ) f (x)dx = F (x( )) = P (X x( )) = 1 Si X es una variable aleatoria continua con densidad f y h es una función cualquiera. h(X) es una variable aleatoria cuya esperanza se calcula como: Z 1 Eh(X) = h(x)f (x)dx 1 Ejemplo 5. tal que: Z e f (x)dx = 1=2 F (e) = 1 Ejemplo 5.1 Sea X una v. a. Para variables aleatorias continuas se de…nen los cuantiles de la siguiente forma. con densidad dada por: 0:2 si 1 x 0 f (x) = 0:2 + cx si 0 < x 1 0 en caso contrario Obtener F (x) Gra…car f (x) y F (x) Calcular F ( 1).a. La propiedad de linealidad del valor esperado también vale para variables aleatorias continuas. así como la de…nición y propiedades de la varianza.

5]. y que el área total bajo f (x) es Es evidente que f (x) igual a 1.b] (X s U [a.5.2 Distribución uniforme Veamos un ejemplo muy simple: supongamos que una persona toma un colectivo para ir al trabajo. para todo x. que pasa exactamente cada 5 minutos. b]).5] En general se dice que una variable aleatoria tiene distribución uniforme en el intervalo [a. 5] 0 en otro caso 0. que tiene que esperar en la parada es una variable aleatoria que puede tomar cualquier valor en el intervalo [0. y 1 f (x)dx = 1. Para calcular la varianza. calculamos primero Z 1 Z b 2 x 1 b 3 a3 a2 + ab + b2 2 2 EX = x f (x)dx = dx = = a b a 3 3 1 a b entonces var(X) = EX 2 Calculemos la media y varianza de una variable aleatoria con distribución uniforme en [a. Si sale de su casa sin tener en cuenta la hora. el tiempo X. La probabilidad de que tenga que esperar entre 1 y 3 minutos es: R3 P (1 X 3) = 1 1 dx = 2 5 5 Se dice que esta variable aleatoria tiene distribución uniforme en el intervalo [0.b]. b] 0 en otro caso R1 0 para todo x. la función de densidad para esta variable es: f (x) = 1=5 si x [0. si su función de densidad está dada por: f (x) = esta función cumple: f (x) si x [a. Z 1 Z b 1 b 2 a2 b+a x dx = = EX = xf (x)dx = a b a 2 2 1 a b a2 + ab + b2 (EX) = 3 2 (b + a)2 (b a)2 = 4 12 29 . 1 b a entonces la media de una distribución uniforme es el punto medio del intervalo.

3 Supongase que se reciben llamadas en una línea telefónica de emergencias las 24 hs del día. ¿ Cuál es la probabilidad de que transcurran más de dos horas entre dos llamadas sucesivas? 30 . Pensemos en un proceso temporal de Poisson. b] F (x) = 1 si x > b x a b a Para calcular la mediana e. podemos hacer: F (e) = y despejando: e b a = 1=2 a b+a 2 en este caso la mediana y la media coinciden.3 Distribución exponencial Veamos otro ejemplo de variable aleatoria continua. Su función de distribución está dada por: Z t 1 e t si t > 0 F (t) = f (x)dx = 0 si t 0 1 Ejemplo 5. y puede demostrarse que tiene función de densidad dada por: f (x) = e 0 x si x > 0 si x 0 y se dice que tiene distribución exponencial con parámetro (X v ( )). donde es el valor medio del número de eventos por unidad de tiempo. Ese tiempo T . med(X) = e = 5. y consideramos el tiempo T transcurrido entre la presentación de dos eventos sucesivos. según un proceso de Poisson con una tasa 0. Esto ocurre siempre que la distribución es simétrica.5 llamadas por hora. es una variable aleatoria que puede tomar cualquier valor no negativo.La función de distribución está dada por: 0 si x < a si x [a.

la Z b) = (b) (a): cumple ( z) = 1 31 (z): (15) . Realice los ejercicios de 6 a 9 med(T ) = e = 5. tiene distribución exponencial con = 0:5. Entonces: P (T > 2) = 1 P (T 2) = 1 (1 e 0:5 2 ) = 0:3679 están dadas por: La media y varianza de una variable exponencial ET = 1 . entonces para todo a < b: P (a Por ser ' simétrica.4 La distribución normal 1 '(z) = p e 2 La distribución normal típica (o normal N(0.La variable aleatoria T. entonces se prueba que EZ = 0. el tiempo (medido en horas) entre dos llamados sucesivos. 1)) tiene densidad z 2 =2 se puede ver que esta función es simétrica respecto de 0 Si Z tiene esta distribución. var(T ) = 1 2 Para calcular la mediana e luego F (e) = 1 e e = 1=2 ln 2 en este caso puede verse que la mediana es menor que la media. var(Z) = 1 Llamamos (z) a su función de distribución.

entonces: E(X) = . y los valores para z < 0 se obtienen usando (15). 2 ). 4). Por ejemplo. se veri…ca que Y = aX + b s N(a + b. 2 ). a2 2 ) Entonces. (16) 2 (que puede verse que la grá…ca de esta función es simétrica respecto de : También puede demostrarse que si X s N( .Las tablas de suelen incluir sólo las z 0. se obtiene de la tabla que (1:02) = 0:8461: Para calcular ( 1:02) se hace 1 0:8461 = 0:1539. se desea calcular P (28 < X < 31): P (28 < X < 31) = P ((28 30)=2 < (X 30)=2 < (31 = P ( 1 < Z < 1=2) = (0:5) ( 1) = (0:5) (1 = 0:6915 (1 0:8413) = 0:5328 32 30)=2) = (1)) = . 1) cumplen z(1 y en particular la mediana med(Z) = e = z(0:5) = 0: La variable X tiene distribución normal con media y varianza se indica N( . variable normalizada Z = (X )= tiene distribución N(0. 2 )) si su función de densidad está dada por: f (x) = p 1 2 e (x )2 =2 2 )= z( ). 1): O sea que X s N( . 2 ) si X = + Z donde Z s N(0. V (X) = 2 Importante: La familia de distribuciones normales tiene la siguiente propiedad: si X s N( . entonces para cualquier a 6= 0 y cualquier b.4 Sea X s N(30. 1): (17) Ejemplo 5. Se deduce de (15) que los cuantiles de la N(0.

usamos z(0:2) = z(0:8) y por lo tanto x(0:8) = 5 2 0:843 = 3:314: Realice los ejercicios de 10 a 14 Realice el resto de los ejercicios 33 2 ) es . trabajando con Z = (X )= : Su función de distribución es entonces F (x) = P (X y por lo tanto. 2 ). la probabilidad de que X esté dentro de 1 desvío estándar de su media es: P( P( y P( <X< 2 <X< 3 <X< + ) = (1) + 2 ) = (2) + 3 ) = (3) ( 1) = 0:6826 ( 2) = 0:9544 ( 3) = 0:9974 Usando (17). 2 ) cumplen x( ) = + z( ). para calcular probabilidades correspondientes a una X con distribución N( . si a < b : P (a X b) = F (b) F (a) = b a : x) = P Z x = x .80 y de 0. la mediana de una X s N( . (18) donde z( ) son los cuantiles de N(0. se la lleva al caso N(0. 1).20 de una variable normal X con media 5 y desviación 2.5 Calcularemos los cuantiles de 0. De aquí se puede ver que para cualquier variable aleatoria X con distribución normal. De la tabla: (0:84) = 0:7995 y (0:85) = 0:8023: Interpolando resulta aproximadamente z(0:8) = 0:843.En general. se prueba que los cuantiles de una variable X con distribución N( . 1): En particular. y por lo tanto x(0:8) = 5 + 2 0:843 = 6:686: Para el otro cuantil. med(X) = x(0:5) = Ejemplo 5.

El tiempo de vida. (b) Calcular la probabilidad de que uno de esos tubos deba ser reemplazado antes de las 150 horas de operación (c) ¿Puede calcular la media del tiempo de vida de estos tubos? 34 . (f) Sea Y = 1=X. (c) Usando la F (x). de cierto tipo de tubo de radio es una variable aleatoria que tiene función de densidad dada por f (x) = 0 si x 100 2 si x > 100 100=x (a) Veri…car que esta es una función de densidad.Práctica 3 1. calcular E(Y ) 3. y gra…car (b) Calcular la función de distribución F (x) y gra…car. ¿cuál es la E(Y )? (f) Calcular el 80-percentil. en horas. (el cuantil-0:80) 2. Sea X una variable aleatoria con densidad dada por: f (x) = c(2 0 x) si 0 x 2 en caso contrario (a) Determinar el valor de c y gra…car f (x) (b) Obtener y gra…car F (x) (c) Calcular P (1 X 2) (d) Calcule E(X) y V (X) (e) Sea Y = 2X + 3. calcular P (0:5 < X < 0:75) (d) Calcular E(X) y V (X) (e) Calcular la mediana. Sea X una variable aleatoria con densidad dada por: f (x) = kx3 si 0 x 1 0 en caso contrario (a) Hallar la constante k.

(c) P (20 X 30) 8.(d) ¿Puede calcular la mediana del tiempo de vida de estos tubos? (e) Determinar el valor tal que el tiempo de vida del 90% de los tubos de radio de ese tipo sea inferior a ese valor (el 90-percentil) 4. 35 . con densidad dada por: (3=2)y 2 + y f (y) = 0 El valor de cada muestra es U = 5 si 0 y 1 en caso contrario 0:5Y . y sea su densidad: 1 (4 x2 ) si 1 x 2 f (x) = 9 0 en otro caso (a) Gra…car f (x) (b) Hallar la función de distribución y gra…carla (c) ¿Es 0 la temperatura mediana a que se realiza la reacción química?. (b) P (X 20). Calcular: (a) P (X < 80). Para ciertas muestras de minerales. ¿la temperatura mediana es menor o mayor que 0? (d) Suponga que esta reacción química se realiza en 10 laboratorios en forma independiente. Si no es así. Encontrar E(U ) y V (U ) 6. la proporción de impurezas por muestra es una variable aleatoria Y. puede modelarce como una variable aleatoria con distribución uniforme en el intervalo (7:5. Suponga que la temperatura de reacción X (en o C) de un cierto proceso químico tiene una distribución uniforme en [70. (b) P (75 < X < 90) 7. Un artículo sugiere que la profundidad (cm) de la capa de bioturbación del sedimento. Sea Y el número entre estos 10 laboratorios en los que la temperatura de la reacción es superior a 1. 20). Calcular las siguientes probabilidades: (a) P (X 30). 95]. y que la función de densidad de la temperatura de reacción es la misma en cada laboratorio. ¿Qué distribución tiene esta variable aleatoria? 5. Si X es una variable aleatoria que tiene distribución exponencial con media igual a 20. Sea X la temperatura a que tiene lugar cierta reacción química.

19 y 1. (b) Y > 1:35. calcular los percentiles del 10% y del 90%.005 (a) ¿qué porcentaje de la producción no satisface las especi…caciones? (b) ¿cuál debería ser la media para que el porcentaje que no satisface las especi…caciones sea mínimo? 36 . (c) P (X 8) 10) 13. Calcular las probabilidades de (a) Y 2:23. (c) 0:51 < Y < 1:54 12. 36) (c) Para esta última.196 y desviación estandar 0. Calcular: (a) El tiempo esperado entre dos llegadas sucesivas. Si el proceso de producción es tal que el diámetro de los tornillos es una variable aleatoria con distribución normal con media 1. Si X es una variable aleatoria con distribución normal con parámetros: = 10 y 2 = 36 Calcular: (a) P (X > 5). (b) P (4 < X < 16). La variable Y tiene distribución normal típica. 11.21 pulgadas. Si X tiene distribución exponencial con = 0:125. Sea X el tiempo (en minutos) entre dos llegadas sucesivas a un servicio de emergencias. (b) P (X 10. Calcular: (a) la mediana y los cuartiles de una variable con distribución normal tipica (b) Idem. para la distribución N(10.(a) ¿Cuáles son la media y la varianza de la profundidad? (b) ¿Cuál es la función de distribución de la profundidad? (c) ¿Cuál es la probabilidad de que la profundidad observada sea a lo sumo 10?¿Entre 10 y 15? (d) ¿Cuál es la probabilidad de que la profundidad observada esté dentro de 1 desvío estándar del valor medio? 9. las especi…caciones indican que el diámetro de los mismos debe estar entre 1. Una fábrica produce tornillos.

¿cuántos galones se espera que queden al terminar la semana? 37 . Un sistema consta de 5 componentes idénticos conectados en serie. En determinada población la presión arterial diastólica entre mujeres de 18 a 74 años se encuentra distribuida normalmente con una media de = 77 mmHg y una desviación estándar de = 11:6 mmHg (a) Cuál es la probabilidad de que una mujer elegida al azar tenga una presión arterial diastólica menor de 60 mmHg? (b) Cuál es la probabilidad de que tenga una presión diastólica mayor de 90 mmHg? (c) Cuál es la probabilidad de que tenga una presión diastólica entre 60 y 90 mmHg? 15. Suponga que cada componente tiene una duración que está distribuida exponencialmente con = 0:01 y que dicha duración es independiente para cada componente. Sea X = el tiempo en que falla el sistema (esto es la duración más breve entre las cinco componentes) (a) El evento (X las Ai ? t). falla todo el sistema. La demanda semanal de gas propano (en miles de galones) es una varable aleatoria X con densidad dada por: f (x) = 2(1 1=x2 ) si 1 x 2 0 en caso contraio (a) Calcular la función de distribución. i = 1. (b) Calcular la mediana. calcule P (X obtenga F (t) = P (X t) y la densidad de X 16.14. Luego (b) Por medio de la independencia de las Ai . De…na Ai ={i-ésimo componente dura por lo menos t horas}. ¿es equivalente a qué evento donde aparecen t). Cuando falla uno de los componentes. 5 (estos Ai son eventos independientes). :::. (c) Calcular E(X) y V (X) (d) Si al principio de la semana hay 2300 galones en existencia y no se recibe nuevo suministro durante la semana.

17. esta es una variable aleatoria. para diagnosticar anemia ferropénica. ¿qué se puede decir de la distribución de la temeratura medida en o F? 19. En una población de pacientes con diagnóstico con…rmado de anemia ferropénica se ha estimado = 73 y = 6:1. (a) ¿Cuál es la sensibilidad de este método? Esto es: ¿cuál es probabilidad de diagnosticar correctamente un paciete que tiene anemia ferropénica? ¿Cuál es la probabilidad de un falso positivo? (b) ¿Cuál es la especi…cidad? Esto es la probabilidad de clasi…car correctamente a un paciente sin anemia ferropénica ¿Cuál es la probabilidad de un falso negativo? (c) ¿Cómo cambiarían esos valores si el valor de corte fuera 80. 38 . La temperatura de cierta reacción química (medida en o C) es una variable aleatoria con distribución normal con media 115 y desviación estandar 2. Considere una variable aleatoria X con media y desviación estándar . Para simpli…car. entonces (19) puede usarse para aproximar los valores de E(g(X)) y V (g(X)) (a) Encuentre las expresiones para estas aproximaciones. buscaremos una forma de aproximar su media y su varianza. y si fuera 85? 18. suponemos que los valores de VCM en la población siguen ua distribución normal. el verdadero diagnóstico se establece con biopsia de médula osea. y sea g(X) una función de X. En una población donde se ha descartado ese diagnóstico se ha estimado = 82 y = 5:9: Si se utilza un valor del VCM inferior a 75. Si la distribución de X está concentrada en un intervalo sobre el que la función g sea aproximadamente lineal. Se ha estudiado el volumen corpuscular medio eritrocitario (VCM) en pacientes con posible diagnóstico de anemia ferropénica como indicador de esta patología. La aproximación de la serie de Taylor a g(X) en un entorno de es: g(X) ' g( ) + g 0 ( )(X ) (19) El lado derecho de esta ecuación es una función lineal de X.

Si I = 20 y I = 0:5. calcular la desviación estándar de Y (el error en la medición de la absorvancia) 39 . Si t = 0:501 y = 0:001. representada por una variable aleatoria X con media t y desviación . de modo que la absorvancia también es una variable aleatoria representada por Y = log X. entonces la resistencia (R=v/I) también será aleatoria. (c) La absorbancia a de una solución es el el negativo del logaritmo (decimal) de su transmitancia t.(b) Si el voltaje v en un medio es …jo pero la corriente I es aleatoria. calcule los valores aproximados de R y R . a = log t: Se tiene una medición de t con error.