Asignatura: Estadística I.

Capítulo 4: Distribuciones de probabilidad y variables aleatorias continuas.

Prof.: Luis Ramón Barrios Roqueme.

Objetivos
1. Distinguir el concepto de variable aleatoria continua.
2. Facilitar la comprensión de los conceptos básicos de las distribuciones continuas de probabilidades.
3. Desarollar el concepto de esperanza y varianza de una variable aleatoria continua.

4. Presentar aplicaciones de algunas distribuciones continuas.

1. Variable aleatoria continua

Recordemos que en el capítulo anterior se dijo que una variable aleatoria es continua si y solo si tiene una cantidad infinita
no mumerables de valores. Se presentaron algunos ejemplos de variables aleatorias continuas. En general, son variables
aleatorias las mediciones del tiempo, distancia o masa, volumen.

2. Función Densidad de Probabilidad y Distribución de Probabilidad.

La función de probabilidad de una variable aleatoria discreta expresa la probabilidad de que la variable tome un valor
específico. Este concepto no es relevante en el casos de variables aleatorias continuas, ya que, como se verá más adelante,
la probabilidad de obtener un valor específico es cero. Sin embargo, puede construirse una función análoga para variables
aleatorias continuas, llamada función de densidad de probabilidad, que permita la interpretación gráfica de la estructura
de la probabilida.
Una función de densidad de probabilidad f (x) se puede utilizar para describir la distribución de probabilidad de una
variable aleatoria continua X. La probabilidad de que X se encuentre entre a y b se determina como la integral de f (x)
desde a hasta b.

Definición 1. Para una variable aleatoria continua X, la función densidad de probabilidad es una función tal que:

1. f (x) ≥ 0
´ +∞
2. −∞ f (x) = 1
´b
3. P (a ≤ X ≤ b) = a
f (x) dx= área bajo la gráfica de f (x), para todo a y b reales.

Definición 2. La función distribución acumuluda de una variable aleatoria continua X es

ˆa
F (a) = P {X < a} = P {X ≤ a} = f (x)dx
−∞

para −∞ < a < ∞

1
Ejemplo 3. Suponga que X es una variable aleatoria continua con función densidad de probabilidad dada por
(

C 4x − 2x2 0<x<2
f (x) =
0 caso contrario

1. Calcular el valor de C

2. Determinar P {X > 1}

———-
Ejemplo 4. El tiempo en horas que una computadora funciona sin dañarse es una variable aleatoria continua con función
de densidad de probabilidad (
λe−x/100 x ≥ 0
f (x) =
0 x<0
a). Encontrar la probabiliad de que el computador funcione entre 50 y 150 horas antes de dañarse.
b). ¿Cuál es la probabilidad de que funcione menos de 100 horas?
Solución. λ = 1/100 a). 0,384. b). 0,633

Obs: La función de densidad de probabilidad de una variable aleatoria continua puede determinarse a partir de la función
de distribución acumulativa mediante la diferenciación. Recordemos que el teorema fundamental del cálculo establece que
ˆ x
d
f (t)dt = f (x)
dx −∞

Entonces, dada F (x),

dF (x)
f (x) =
dx
en tanto exista la derivada.
Teorema 5. Sea X una variable aleatoria continua. Entonces para todo c real se cumple que P(X = c) = 0. Con esto
podemos verificar que
P (a ≤ X ≤ b) = P (a < X ≤ b) = P (a ≤ X < b) = P (a < X < b)
para todo a y b reales.

3. Esperanza y varianza de una variable aleatoria continua

La media y la varianza también se puede definir para una variable aleatoria continua. sustituyendo la suma por integración
en las definiciones para variables a leatorias discretas.
Definición 6. Supongamos que X es una variable aleatoria continua con la función de densidad de probabilidad f (x).
La media o valor esperado de X, denotado como µ o E(X), es
ˆ ∞
µ = E(X) = xf (x)dx
−∞

La varianza de X, denotado como σ 2 o V (X) es

ˆ ∞
2
σ = V (X) = (x − µ)2 f (x)dx = E[X 2 ] − E 2 [X]
−∞
√
La desviación estándar es σ = σ2
Ejemplo 7. Determine E[X] cuando función densidad de probabilidad de X es
(
2x Si 0 ≤ x ≤ 1
f (x) =
0 caso contrario

2
Solución
ˆ
f (x) = xf (x)dx

ˆ1
= 2 x2 dx
0
2
=
3
——–
Ejemplo 8. La función densidad de X está dada por
(
1 0≤x≤1
f (x) =
0 caso contrario
 
Determinar E eX .
Solución. Sea Y = eX . Comencemos calculando FY (x), la función distribución de probabilidad de Y . Ahora, para 1 ≤ x ≤ e,
FY (x) = P {Y ≤ x}
P eX ≤ x

=
= P {X ≤ ln(x)}
ˆ
ln(x)

= f (y)dy
0
= ln(x)
Derivando FY (x), podemos concluir que la función densidad de probabilidad de Y es
1
fY (x) = 1≤x≤e
x
Portanto
ˆ∞
X
E[e ] = E[Y ] = xfY (x)
−∞
ˆe
= dx
1
= e−1
Teorema 9. Si X es una variable aleatoria continua con función densidad de probabilidad f (x), entonces para cualquier
función de valor real g, ˆ ∞
E (g (X)) = g(x)f (x)dx
−∞

Ejemplo 10. Aplicar la propoción anterior para determinar E[eX ]

Solución
ˆ1
X
E[e ] = ex dx ya que f (x) = 1 cuando 0 < x < 1
0
= e−1
Corolario 11. Si a y b son constantes, entonces
E [aX + b] = aE [X] + b

La demostración es similar a la de una variable aleatiria discreta, la diferencia radica es que en vez de suma se realiza
intagral.
Tambien se puede demostrar que para a y b constantes,
V ar (aX + b) = a2 V ar(X)

3
Ejemplo 12. Determinar la V ar(X) para la variable aleatoria del ejemplo 6
Solución. Primero determinamos E[X 2 ].
ˆ∞
E[X 2 ] = x2 f (x)
−∞
ˆ1
= 2 x3 dx
0
1
=
2
Con esto, como E[X] = 2/3, obtenemos
 2
1 2
V ar(X) = −
2 3
1
=
8

4. Distribución uniforme
En una distribución uniforme las probabilidades son las mismas para todos los posibles resultados.
Definición 13. Una variable aleatoria continua X está distribuida uniformemente en el intervalo (α, β) si su función de
densidad de probabilidad está dada por (
1
, α<x<β
f (x) = β−α
0 caso contrario
´a
Como F (a) = −∞
f (x)dx, la función distribución acumulativa de una variable aleatoria uniforme está dada por.

0
 a≤α
a−α
F (a) = , α<x<β
 β−α
1 a≥β


La media y la varianza de es:

2
α+β (β − α)
µ= y σ2 =
2 12
Ejemplo 14. Si la variable aleatoria X es uniformemente distribuida a lo largo de (0,10) calcule la probabilidad de que
´3 1 3
a). X < 3 P {X < 3} = 0 10 dx = 10
´ 10 1 4
b). X > 6 P {X > 6} = 6 10 dx = 10
´8 1
c). 3 < X < 8 P {3 < X < 8} = 3 10 dx = 12

———–
Ejemplo 15. Un autobus llega a una determinada para en un intervalo de 15 minutos comenzando a las 7:00. Es decir,
llega a las 7:00, 7:15, 7:30, 7:45 y asi sucesivamente. Si un pasajero llega a la parada en un instante de tiempo uniformemente
distribuido entre las 7:00 y las 7:30, determine la probabilidad de que espere
a). menos de 5 minutos por un autobus.
b) mas de 10 minutos por un autobus.

5. Distribución normal
Una de las distribuciones mas importantes es la distribución normal. La distribución normal es una distribución continua
simétrica en forma de campana. Se utiliza para reflejar la distribución de variables tales como la estatura, el peso, distancia
y otras medidas que son divisibles infinitamente. Tales variables continuas generalmente son el resultado de la media.

4
Definición 16. Una variable aleatoria X con función de densidad de probabilidad
1 (x−µ)2
f (x) = √ e− 2σ2
σ π
es una variable aleatoria normal con parámetros µ y σ 2 , dónde −∞ < µ < ∞ y σ > 0. además,
E(X) = µ y V (X) = σ 2
y la notación N (µ; σ 2 ) se utiliza para denotar la distribución.
La forma y posición de una distribución normal está determinada por los parámetros: su media y su desviación estándar

5.1. Desviación normal

Puede existir un número infinito de distribuciones normales posibles, cada una con su propia media y su propia desvia-
ción estándar. Como no se puede analizar todas las posibles distribuciones normales, es necesario convertir todas estas
distribuciones a una forma estándar. Esta conversión a la distribución normal estándar se efectúa con la formula
X −µ
Z=
σ
donde Z es la desviación normal estándar, que indica el número de desviaciones estándar a las que una observación está
por encima o por debajo de la media.
Definición 17. Una variable aleatoria normal con µ = 0 y σ 2 = 1
se llama una variable aleatoria normal estándar y se denota como Z. La función de distribución acumulada de una variable
aleatoria normal estándar se indica como
Φ(z) = P (Z ≤ z)
Ejemplo 18. Resolver:

1. Se X una variable aleatoria normal con parámetros µ = 3 σ 2 = 9 determine

a) P {X < 3, 5}
P {X < 3, 5} = P {X − µ < 3, 5 − 3}
 
X −µ 3, 5 − 3
= P <
σ 3
= P {Z < 0, 17}
= 0, 56749

5
 b) P (X ≥ 4)
P (X ≥ 4) = 1 − P {X < 4}
 
X −4 4−3
= 1−P <
3 3
= 1 − P {Z < 0,33}
= 1 − 0,62930
= 0,3707

c) P {2 < X < 5}
   
X −3 5−3 X −3 2−3
P {2 < X < 5} = P < −P <
3 3 3 3
= P {Z < 0,67} − P {Z < −0,33}
= 0,74857 − (1 − 0,62930)
= 0,37787

2. Dada una distribución normal estándar, determinar el valor de k tal que P (Z > k) = 0,3015
Para determinar el valor de k procedemos de la siguiente manera
P (Z > k) = 1 − P {X ≤ k}
= 1 − 0,3015
= 0,6985
De esta manera el valor de k que deja un área bajo la curva normal de 0.6985 es 0.52.
3. Dada una distribución normal con µ = 40 y σ = 6, encuentre el valor de x que tiene

a) 45 % del área bajo la curva normal a la izquierda.

P {X ≤ x} = 0,45
 
X − 40 x − 40
P ≤ = 0,45
6 6
 
x − 40
P Z≤ = 0,45
6
Luego el valor de Z que deja un área de 0,45 bajo la curva normal a la izquierda es Z = −0,13. Estos es,
reemplazando el valor de Z y despejando x tenemos:
x − 40
−0,13 =
6
(−0,13)(6) + 40 = x
x = 39,22

b) 14 % del área bajo la curva a la derecha.

P {X ≥ x} = 0,14
 
X − 40 x − 40
1−P ≤ = 0,14
6 6
 
x − 40
P Z≤ = 1 − 0,14
6
 
x − 40
P Z≤ = 0,86
6
Luego el valor de Z que deja un área de 0,86 bajo la curva normal a la derecha es Z = 1,08. Estos es,
reemplazando el valor de Z y despejando x tenemos:
x − 40
1,08 =
6
(1,08)(6) + 40 = x
x = 46,48

6
Ejemplo 19. Cierto tipo de bateria dura, en promedio 3.0 años, con una desviación estándar de 0.5 años. Suponga que
la desviación de la bateria se distribuye normalmente, encuentre la probabilidad de que una batería dada dure menos de
2.3 años.

6. Distribución exponencial
Una variable aleatoria X es exponencial, si mide el paso del tiempo entre un determinado número de ocurrencias, es decir,
estima el lapso de tiempo que se presenta para tal número de ocurrencias λ > 0. La función de densidad de probabilidad
de X es
f (x) = λe−λx x ≥ 0

De esta manera, la probabilidad de que el lapso sea menor que o igual a cierta cantidad x es

P (X ≤ x) = 1 − e−λx

La media y la varianza están dadas por

1 1
E(X) = y V (X) =
λ λ2
Ejemplo 20. La longitud de tiempo para que un individuo sea atendido en un hospital es una variable aleatoria que tiene
una distribución exponencial con una media de 4 minutos. ¿cuál es la probabilidad de que una persona sea atendida en
menos de tres minutos?
Solución

P {X < 3} = 1 − e−(1/4)(3)
= 0,5276

——–

Ejercicios del capítulo

Variable aleatoria continua
1. Considere la función 
C(2x − x2 ) si 0 < x < 2
f (x) = 5
0 en otro caso

a) Es f una función densidad de probabilidad?

b) Determinar el valor de C.
 
2
c) Determine P X >
7
d ) Hallar E[X], V ar(X) y SD(X)

2. Considere la función 
C(2x − x3 ) si 0 < x < 2
f (x) = 5
0 en otro caso

a) Es f una función de probabilidad?

b) Determinar el valor de C.
 
2
c) Determine P X >
7
d ) Hallar E[X], V ar(X) y SD(X)
(
C(4x − 2x2 ) si 0 < x < 2
3. f (x) =
0 en otro caso

7
 ´2
a) Determine el valor de C tal que 0
f (x)dx = 1
b) Hallar P (X > 1)
c) Determine valor esperado, varianza, desviación estándar para la variable aleatoria X
(
C(2x − x3 ) si 0 < x < 5/2
4. f (x) =
0 en otro caso
´2
a) Determine el valor de C tal que 0
f (x)dx = 1
b) Hallar P (X > 1)
c) Determine valor esperado, varianza, desviación estándar para la variable aleatoria X

5. La función de densidad de la variable aleatoria X está dada por

(
a + bx2 si 0 ≤ x ≤ 1
f (x) =
0 en otro caso

3
Si E[X] = 5 determinar

a) los valores de a y b
b) P {X < 1/2}
c) V ar (X)

6. La función de densidad de la variable aleatoria X está dada por

(
Ce−2x si x > 0
f (x) =
0 en otro caso
´∞
a) Determine el valor de C tal que 0
f (x)dx = 1
b) Determine valor esperado, varianza, desviación estándar para la variable aleatoria X

7. Dada la función (
Cx 0 ≤ x ≤ 1/2
f (x) =
C (1 − x) 1/2 ≤ x ≤ 1

a) Determine el valor de C para que f sea una f.d.p.

b) Calcule P {X ≤ 1/2}, P {X ≥ 1/2} y P {1/4 ≤ X ≤ 3/4}
c) Calcular E [X], V ar [X]
d ) Calcular E [4X + 3] + V ar [3X + Sen (π/2)]

8. El tiempo de de un sistema de energía tiene densidad (en meses) dada por: f (x) = Cxe−x/2 , si x > 0.

a) Cuál es valor de C?
b) Cuál es la probabilidad de que el sistema funcione por lo menos 5 meses?

9. Um ponto es escogido a lo largo del intervalo [0, L]. Cuál es la probabilidad de que la razón del menor por el mayor
segmento sea menor que 0.25?
10. Un punto es escogido a lo largo de la recta [0, 2]. Cuál será la probabilidad de que el punto escogido esté entre 1 y
3/2?

8
Distribuciones continuas
1. Un escolar llega al paradero de su bus a las 6:00 am en punto, sabiendo que el bus llega en algún momento, distribuido
uniformemente entre las 6:00 am y las 6:20 am.

a) ¿Cuál es la probabilidad de que el escolar tenga que esperar más de 5 min?

b) Si a las 6:10 am no ha pasad el bus todavía, ¿cuál es la probabilidad de que el escolar tenga que esperar por lo
menos 5 min más?

2. Un escolar llega al paradero de su bus a las 12:00 m en punto, sabiendo que el bus llega en algún momento, distribuido
uniformemente entre las 12:00 m y las 12:20 pm.

a) ¿Cuál es la probabilidad de que el escolar tenga que esperar más de 5 min?

b) Si a las 12:10 pm no ha pasado el bus todavía, ¿cuál es la probabilidad de que el escolar tenga que esperar por
lo menos 3 min más?

3. Un autobus llega a una determinada para en un intervalo de 15 minutos comenzando a las 7:00. Es decir, llega a las
7:00, 7:15, 7:30, 7:45 y asi sucesivamente. Si un pasajero llega a la parada en un instante de tiempo uniformemente
distribuido entre las 7:00 y las 7:30, determine la probabilidad de que espere

a) menos de 5 minutos por un autobus.

b) mas de 10 minutos por un autobus.

4. Sea X una variable aleatoria con distribución exponencial de parámetro λ. Halla la función de densidad de proba-
bilidad para la variable aleatoria Y = X 3 + 2
5. Sea X una variable aleatoria con distribución exponencial de parámetro λ. Halla la función de densidad de proba-
bilidad para la variable aleatoria Y = 5X − 1
6. Suponga que un sistema cintiene cierto tipo de componente cuyo timpo de operación antes del fallo, en años está dado
por T. La variable aleatoria T se modela bien mediante la distribución exponencial con tiempo medio de operación
antes del fallo µ = 5. Si se instalan 5 de estos componentes en diferentes sistemas, ¿cuál es la probabilidad de que
al menos dos aún funcionen al final de 8 años?
7. Encontrar el valor de C que satisface las desigualdades

a) P {|X − 2| > 5} = C si X está distribuido N (1, 4)

b) P {X < C} = 0,05 si X está distribuido N (10, 5)

8. El tiempo de vida útil de una impresora de burbuja es una variable aleatoria normal de media 5.2 años y desviación
estándar 1.4 años.

a) ¿Que porcentaje de estas impresoras tiene una vida útil de menos de 7 años?
b) ¿Que porcentaje tiene vida útil entre 3 y 7 años?

9. En una población, el nivel sérico de colesterol en adultos (medido en mg/dl) es una variable aleatria con distribución
normal de parámetros µ = 225 y σ = 75. Calcule

a) la proporción de personas con nivel de colesterol entre 200 y 350.

b) El valor por encima del cual se encuentra el colesterol en el 10 % de la población que tiene los niveles más
elevados.