CAPÍTULO 4.

VARIABLES ALEATORIAS 128

Ejercicio 4.2.4. El número de fallas de un instrumento de prueba debidas a

las partı́culas contaminantes de un producto, es una variable aleatoria Pois-
son con media 0.02 fallas por hora.

a. ¿Cuál es la probabilidad de que el instrumento no falle en una jornada

de ocho horas?

b. ¿Cuál es la probabilidad de que se presente al menos una falla en un

periodo de 24 horas?
Ejercicio 4.2.5. En un proceso de fabricación donde se laminan varias ca-
pas de cerámicas, el 1 % de los ensambles es defectuoso. Suponga que los
ensambles son independientes.

a. ¿Cuál es el número promedio de ensambles que será necesario exami-

nar para obtener cinco defectuosos?

b. ¿Cuál es la desviación estándar del número de ensambles que es nece-

sario examinar para obtener cinco defectuosos? Los mensajes que lle-
gan a una computadora utilizada como servidor lo hacen de acuerdo
con una distribución Poisson con una tasa promedio de 10 mensajes
por hora. Determine el intervalo de tiempo necesario para que la prob-
abilidad de que no llegue ningún mensaje durante ese lapso sea 0.90.

4.3. Variables Aleatorias Continuas

Definición 4.3.1. Una variable aleatoria se dice continua si el espacio de
dicha variable es un intervalo o es la unión de varios intervalos reales, aco-
tados o no acotados, por ejemplo, medición de la corriente de un alambre,
longitud de partes desgastados en una pieza, tiempo de duración de una
bombilla, tiempos de espera, estatura, Masa.
Definición 4.3.2. : Sea X una variable aleatoria continua. La distribución
de probabilidad para X es llamada Función de Densidad de Probabilidad, se
denota f (x).
Para que esta f (x) realmente sea una distribución de probabilidad para X
debe cumplir las siguientes condiciones:
CAPÍTULO 4. VARIABLES ALEATORIAS 129

1. f (x) ≥ 0 , ∀x ∈ R

+R∞
2. f (x) dx = 1 → área total bajo f es 1
−∞

3. Si a y b son reales tales que a < b entonces

Zb
P (a ≤ X ≤ b) = f (x) dx
a

Se puede mostrar que P (X = a) = 0 (el área en una lı́nea es cero).

Esto implica que el cálculo de probabilidades se obtiene al integrar la p.d.f
en el rango especificado sin importar si los extremos se incluyen o no.

Ejemplo 4.3.1. Sea X la duración en horas de cierto tipo de bombilla

eléctrica. La p.d.f para X esta dada por:
½ a
x3
, 1500 ≤ x ≤ 2500
f (x) =
0 , otro caso

Calcule:

a) P (X ≤ 2000)

b) P (X ≤ 2000|X ≥ 1800)

Solución
Primero hallemos el valor de a.
+R∞ R
1500 R
2500 +R∞
Como f (x) dx = 1 ⇒ f (x) dx + f (x) dx + f (x) dx =
−∞ −∞ 1500 2500
↓ ↓
0 0
1

Z
2500
a a ¯¯2500
⇔ dx = 1 ⇔ − ¯ ⇒ a = 7031250
x3 2 x 2 1500
1500
CAPÍTULO 4. VARIABLES ALEATORIAS 130

R 2500 £ ¤
a) P (X ≤ 2000) = a a 1 1 ∼
1500 x 3 dx = 2 1500 2
− 2000 2 = 0.68359
R 2000 a
P (1800≤X≤2000) dx
R1800x3
b) P (X ≤ 2000|X ≥ 1800) = P (X≥1800) = 2500 a ≈ 0.39452
1800 x 3 dx

Definición 4.3.3. : La distribución acumulada para una variable aleatoria

continua X, se define igual al caso discreto. F (x) = P (X ≤ x) , ∀x ∈ R

Ejemplo 4.3.2. El tiempo de espera de un cliente hasta ser atendido es una

variable aleatoria continua con p.d.f dada por
½
e −x , x > 0
f (x) =
0 , otro caso

a) Halle F (x)

b) Calcule P (x < 1)

c) Calcule P (1 < x < 2)

d) Halle le valor de k tal que P (x < k) = 0.95

Solución

a) Si x ≤ 0 entonces Fx (x) = 0.
Rx
Si x ≤ 0 entonces Fx (x) = −∞ fx (t)dt
Rx −t
Fx (x) = 0 e dt = −e− t |x0 = 1 − e− x
½
0 , x≤0
Fx (x) =
1 − e− x , x > 0
CAPÍTULO 4. VARIABLES ALEATORIAS 131

b) P (x < 1) = P (x ≤ 1) = Fx (1) = 1 − e− x = 1 − 1e = e−1 ∼

e = 0.63212
¡ ¢ ¡ ¢
c) P (1 < x < 2) = Fx (2) − Fx (1) = 1 − e− 2 − 1 − e− 1 =
1 1 e−1 ∼
e − e− 2 = e− 2 = 0.23254

d) P (x < k) = Fx (k) = 1 − e− k = 0.95 ⇔ e− k = 0.05 ⇒

k = − ln(0.05) k = 299573

Propiedades

1. 0 ≤ F (x) ≤ 1 , ∀x ∈ R

2. lı́m f (x) = 0 y lı́m f (x) = 1

x→−∞ x→+∞

3. P (X > x) = 1 − F (x)

4. Si x < y ⇒ F (x) ≤ F (y)

Ejemplo 4.3.3. La c.d.f para la v.a X:  tiempo de préstamo de un libro,

 0 ± , x<0
está dada por: (tiempo en horas) F (x) = x2
 4 , 0≤x<2
1 , x≥2
Halle:

a) P (X < 1)
¡ ¢
b) P 21 < X < 1 .

c) Halle una expresión para el 100p avo percentil.

d) Halle f (x)

Solución

a) P (X < 1) = F (1) = 41
¡ ¢ ¡ ¢
b) P 12 < X < 1 = F (1) − F 21 = 1
4 − 1
6 = 3
16

x2
c) F (x) = p , 0<p<1 ⇔ 4 =p ⇔
CAPÍTULO 4. VARIABLES ALEATORIAS 132

2x x
d) f (x) = f 0 (x) = 4 = 2 ; 0 < x < 2. Ası́
½ x
2 , 0<x<2
f (x) =
0 , otro caso

Definición 4.3.4. : Sea X una variable aleatoria continua, con distribución

de probabilidad f (x). El valor esperado de X, el cuál denotaremos E [X],
ó µ x ó µ, está dado por:
R∞
E [X] = −∞ xf (x)dx.
£ ¤
Nota: La varianza de X esta dada por V [X] = E X 2 − (E [X])2

Ejemplo 4.3.4. La demanda semanal de gas propano (en miles de galones)

de una distribuidora en particular es una variable aleatoria X con p.d.f dada
por:
½ £ 1
¤
2 1 − x2
, 1≤x≤2
f (x) =
0 , otro caso

a) Halle la c.d.f para X

b) Calcule E [X] y V [X]

c) Si H (x) = 1.5 − X. Halle E [H (X)]

H (X) puede verse como el remanente si no se recibe nuevo suministro.

Solución

a) Si X < 1 ⇒ F (x) = 0 £ ¤
Si 1 ≤ X ≤ 2 ⇒ F (x) = 2 x + x1 + 2
Si X > 2 ⇒ F (x) = 1
R2 £ ¤ R2¡ ¢
E [X] = 1 2x 1 − x12 dx = 1 2x − x2 dx
h 2 i2
= 2 x2 − ln x = 3 − 2 ln 2 ≈ 1.61
£ 2¤ R2 £ 1 ¤ R2¡ ¢
b) E X = 1 2x 2 1 − x12 dx = 1 2x 2 − 2 dx
£ ¤2
= 23 x 3 − 2x 1 = 38
£ ¤
V [X] = E X 2 − µ2x = 38 − (3 − 2 ln 2) 2 ∼
= 0.0626
CAPÍTULO 4. VARIABLES ALEATORIAS 133

c) E [H (X)] = 1.5 − E [X] = 1.5 − 1.61 = − 0.11 → no se puede cubrir la demanda

Definición 4.3.5. : Sea X una v.a continua. La distribución acumulada de

la v.a denotada por F x , está dada por F x (X) = P (X ≤ x) ∀x ∈ R.

Propiedades

1. 0 ≤ F x (X) ≤ 1

2. lı́m F x (X) = 0 y lı́m F x (X) = 1

x→ − ∞ x→ + ∞

3. P (X > x) = 1 − F x (X)

4. Si X < Y ⇒ F x (X) ≤ F x (Y ) Si existe una función F x tal que

0
F x (X) = F x (X) ∀x donde F 0x existe, entonces F x es llamada
una función de densidad
Rx de probabilidad de la v.a X (f. d. p). Por el
T. F. C F x (X) = − ∞ F x (t) dt ∀x ∈ R donde F 0x existe.

Ejercicios propuestos

Ejercicio 4.3.1. Sea X una v.a continua con f.d.p dada por:

½
c(2 − x) , 0 ≤ x ≤ 2
f (x) =
0 , en otro caso

Calcule:

a) El valor de c tal que f sea una f.d.p.

b) Halle F x (X)

c) Calcule P (1 ≤ X ≤ 1.5)

d) E [X] y V [X]

e) Hallar el valor de k tal que P (X < k) = 0.95

Ejercicio 4.3.2. Cuando un servicio de transporte reduce su tarifa, en-

tonces se vuelve muy popular un recorrido muy especial entre dos ciudades.
Para hacer el recorrido se emplea un transporte especial que puede llevar
cuatro pasajeros. El tiempo entre llamadas para comprar boletos tiene una
distribución exponencial con una media de 30 minutos. Suponga que en cada
CAPÍTULO 4. VARIABLES ALEATORIAS 134

llamada se adquiere un boleto. ¿Cuál es la probabilidad de que el transporte

se llene en menos de tres horas a partir del momento en que se reduce la
tarifa? Demuestre que la siguientes funciones son funciones de densidad de
probabilidad para algún valor de k; determine el valor de k.

a) f X (x) = k x 2 para 0<x<4

b) f X (x) = k (1 + 2x) para 0 < x < 2

c) f X (x) = k e −x para 0 < x

Ejercicio 4.3.3. Suponga que f X (x) = e −x para x > 0. Calcule las sigu-
ientes probabilidades:

a) P (1 < X)

b) P (1 < X < 2.5)

c) P (X = 3)

d) P (X < 4)

e) P (3 ≤ X)

Ejercicio 4.3.4. Suponga que f X (x) = e −x para 0 < x.

a) Calcule un valor de x tal que P (x < X) = 0.10

b) Calcule un valor de x tal que P (X ≤ x) = 0.10

c) Calcule F (x).

Ejercicio 4.3.5. La función de densidad de probabilidad del tiempo de falla

(en horas) de un componente electrónico de una copiadora es
−x/1000
f X (x) = e 1000 para x > 0. Calcule la probabilidad de que:

a) El componente tarde más de 3000 horas en fallar.

b) El componente falle en el lapso comprendido entre 1000 y 2000 horas.

c) El componente falle antes de 1000 horas.

d) Calcule el número de horas en las que fallarán el 10 % de todos los

componentes.
CAPÍTULO 4. VARIABLES ALEATORIAS 135

Ejercicio 4.3.6. La función de densidad de probabilidad de la longitud de

una bisagra para puertas es f X (x) = 1.25 para 74.6 < x < 75.4 milı́metros.
Calcule lo siguiente:
a. P (X < 74.8)
b. P (X < 74.8 o X > 75.2)
c. Si las especificaciones para éste proceso son una longitud entre 74.7 y 75.3
milı́metros, ¿Cuál es la proporción de bisagras que cumple con las especifi-
caciones?
Ejercicio 4.3.7. Suponga que la función de distribución acumulada de la
variable aleatoria X es:

 0 x < −2
F X (x) = 0.25x + 0.5 −2 ≤ x < 2

1 2≤x

a) Determine P (X < 1.8)

b) Calcule P (X > −1.5)

c) Obtenga P (X < −2)

d) Determine P (−1 < X < 1)

Ejercicio 4.3.8. Determine la función de densidad de probabilidad asociada
con cada una de las siguientes funciones de distribución acumulada.


 0 x<0

0.2x 0≤x<4
F (x) =

 0.04x + 0.64 4≤x<9

1 9≤x

Ejercicio 4.3.9. El espesor de un recubrimiento conductor, en micrómetros,

tiene una función de densidad f (x) = 600 x −2 para 100100µm < x <
120µm.

a) Calcule la media y la varianza del espesor del recubrimiento.

b) Si el costo del recubrimiento es 0.50 dólares por micrómetro de espesor

en cada pieza, ¿Cuál es el costo promedio del recubrimiento por pieza?
Ejercicio 4.3.10. Suponga que la función de densidad de probabilidad de la
longitud de unos cables para computadora es f X (x) = 0.1, desde 1200 hasta
1210 milı́metros.
CAPÍTULO 4. VARIABLES ALEATORIAS 136

a) Calcule la media y la desviación estándar de la longitud del cable.

b) Si las especificaciones para la longitud son 1195 < x < 1205 milı́met-
ros, ¿Qué valor de la media da la mayor proporción de cables que
cumplen con las especificaciones?
Ejercicio 4.3.11. El espesor de la capa de sustancia fotoprotectora que
se aplica a las obleas en el proceso de fabricación de semiconductores en
cierta área de la oblea, tiene una distribución uniforme entre 0.2050 y 0.2150
micrómetros.

a) Calcule la proporción de obleas en las que el espesor de la sustancia es

mayor que 0.2125 micrómetros.

b) ¿Qué espesor exceden el 105 de las obleas?

c) Calcule la media y la varianza del espesor de la sustancia fotoprotec-

tora.

4.3.1. Distribución Uniforme

Sea X una v.a continua definida en el intervalo (a , b), P (X ∈ I) es pro-

porcional a la longitud de I, en particular P (X ∈ (a , b)) = k (b − a) =
1 k = b −1 a S
Diremos que X tiene una pdf uniforme en (a , b) y escribimos X ∼ (a , b).
La pdf de X está dada por
½ 1
b−a , a<x<b
f (x) =
0 , otro caso

a + b (a + b) 2
E [X] = y V [X] =
2 12

 0 , x<a
x+a
La cdf para X es F (x) = b−a , a≤x≤b

1 , x>b
Ejemplo 4.3.5. La longitud de una bisagra para puertas es un v.a X, dis-
tribuida uniformemente en el intervalo (74.6 , 75.4).

a) Calcule P (X < 74.8)