Variable aleatoria continua

Una variable aleatoria es continua cuando puede tomar cualquier valor en un intervalo. Por ejemplo la estatura de una persona. Supongamos que se mide la estatura de personas adultas y representamos las medidas obtenidas en un histograma, se ha comprobado repetidamente en la prctica que, tomando ms y ms observaciones y haciendo clases cada vez ms finas, el histograma tender a una curva suave que describir el comportamiento (la estructura) de la variable estudiada. Esta funcin lmite se llama funcin de densidad Definicin: Se dice que una variable aleatoria X es continua si puede tomar un nmero infinito de valores posibles asociados con intervalos reales, y hay una funcin f(x), llamada funcin de densidad de probabilidad, tal que: <x< i) La funcin f(x) > 0 ; -

ii)

f(x)dx

Adems P(a < X < b) =

x=a

f(x)dx

Ejercicio: Sea la variable aleatoria X = vida til de un determinado tipo de batera (en cientos de horas)" que tiene asociada la funcin de densidad de probabilidad siguiente:

f(x)=

ke-0,5x , x > 0 o ,en o.c

a. b. c.

Determine el valor de k.

Resp. k = 0,5

Encuentre la probabilidad de que la vida util de una batera elegida al azar sea menor que 200 horas o mayor que 400 horas. Resp.: 0,767 Determine la probabilidad de que una batera de este tipo dure ms de 300 horas dado que ya ha estado en uso ms de 200 horas.
Resp.: 0,606 FMS 176 Prof.: Cecilia Larran R. Pgina 1

Variable Aleatoria Continua

A veces es conveniente manejar probabilidades acumuladas de la forma P(X < x) Definicin: La funcin de distribucin de una v.a. X se define como F(x) = P(X < x) Si X es continua y tiene la funcin de densidad de probabilidad f(x), entonces
x

FX (x)= P(X

x)=
-

fX (t)dt

Observacin: i) F' (x) = f(x) ii) P(X > a) = 1 P(X < a) = 1 F(a)
iii) P(a < X < b) = F(b) F(a) iv) F(-) = 0 F(+) = 1

Ejemplo: Supongamos que el tiempo de respuesta de una terminal conectada en lnea es una v.a. X con la siguiente funcin de distribucin:
F(X) = 1- e-0,2x , x > 0
P(X x)

x a. Cul es la probabilidad de que el tiempo de respuesta sea mayor de 10 segundos? P(X > 10) = 1 P(X < 10) = 1 F(10) = 1 - 1-e
0,2 10)

0,135

b. Cul es la probabilidad de que el tiempo de respuesta est entre 5 y 10 segundos?

P(5 X 10) = F(10) - F(5) = 1 e
0.2 10

1 e

0,2 5

0,233

c. Encuentre la funcin de densidad f(x)

Variable Aleatoria Continua

FMS 176

Prof.: Cecilia Larran R.

Pgina 2

Esperanza y varianza de una variable aleatoria continua

El valor esperado de una v.a.c X que tiene una funcin de densidad de probabilidad f(x) es:
E(X) =
-

xf(x)dx
Rec X

xf(x)dx

Adems tenemos el teorema siguiente: Si g(x) es cualquier funcin de X, entonces:

E(g(x)) g(x)f(x)dx
Re cX

g(x)f(x)dx

Del teorema anterior se deduce la varianza de la v.a.c. X con fdp f(x) :

V(X) = E (X - E(X))2 = (x - E(X))2 f(x)dx = E(X2 ) - E(X))
2

= 2

E(X2 ) =
Rec X

x 2 f(x)dx

V(X) > 0 V(a + bX) = b2V(X); a,b ctes. Desviacin estndar de la va X es = V(X) Ejemplo: La variable aleatoria X = vida til de un determinado tipo de batera (en cientos de horas)" que tiene asociada la funcin de densidad de probabilidad llamada exponencial
0,5e-0,5x , x > 0 f(x)= o ,en o.c

La vida til esperada (o promedio o media) es:

E(X)=
x 0

x 0,5e -0.5x dx

2 200 horas

La v.a. X tiene distribucin exponencial de parmetro ( > 0) si su funcin de densidad es : Notacin X ~ exp () - x e , x>0 f(x)= 1 1 o , en o.c E(X) = V(X) = 2

Funcin de distribucin: F(X) = 1- eP(X x)

, x>0

parmetro constantes que determinan la forma especfica de una funcin de densidad Variable Aleatoria Continua FMS 176 Prof.: Cecilia Larran R. Pgina 3

Ejemplo: Sea X la variable aleatoria continua definida en el intervalo (0,1) y su funcin de densidad f(x) = 12x2(1-x); f(x) = 0 en otro caso
2 1,8 1,6 1,4 1,2 f(x) 1 0,8 0,6 0,4 0,2 0 0 0,2 0,4 0,6 X 0,8 1 1,2

La esperanza de esta variable aleatoria es: E(X) =

Re c

xf ( x )dx

1 x 0

x 12 x 2 (1 x )dx

= 0,6 = Moda = 2/3

Moda: Es el valor de mayor densidad f(x).

Mediana: Es el valor que deja a cada lado un 50% de la probabilidad. Es decir, es el valor xm tal que F(xm) = 0,5 o P(X < xm) = P(X > xm) = 0,5
xm x 0

12x 2 (1 x )dx

0,5

xm =

Percentil: Es el valor xp tal que P(X < xp) = p o P(X > xp) = 1 - p La mediana es el percentil 50 Varianza: V(X) = E(X2) [E(X)]2 =
1 x 0

x 2 12x 2 (1 x )dx - (0,6)2

= 1/25

Variable Aleatoria Continua

FMS 176

Prof.: Cecilia Larran R.

Pgina 4

Ejercicios 1. La temperatura (X) a que tiene lugar cierta reaccin qumica es una variable aleatoria con la siguiente funcin de densidad.
f(x)
1.1 1.2 1.3

2(4 x ) 21 0

1 x o. c.

Encuentre la funcin de distribucin de X. Cul es la temperatura esperada a que tiene lugar la reaccin qumica? Determine la mediana de la temperatura, a la cual tiene lugar la reaccin qumica. P( X < k) = 0,5: k = mediana o percentil 50 El fabricante de cierto tipo de compresor ha encontrado que la vida til de un compresor, en aos, se puede modelar con la siguiente funcin de densidad:
3 x 8 f(x) 0
2.1

2.

si

en

o.c.

Si un cliente compr un compresor y ha estado funcionando por lo menos 6 meses Cul es la probabilidad que falle antes de 18 meses?

2.2

El fabricante desea que solamente 5% de los compresores fallen antes de la garanta. Determine el tiempo de garanta.

2.3

Cada compresor tiene un costo de 20 u.m. y se vende en 32 u.m. y el fabricante da ciertas garantas. Si el compresor falla antes de 3 meses se devuelve el importe de lo pagado. Si falla entre 3 meses y 6 meses, se compromete a asumir el costo de mano de obra de la reparacin que tiene un valor de 5 u.m. Cul es la utilidad esperada por compresor?

Variable Aleatoria Continua

FMS 176

Prof.: Cecilia Larran R.

Pgina 5

3.

El tiempo, en segundos, necesario para que un robot, dentro de una lnea de produccin, ensamble una pieza mecnica, es una variable aleatoria con funcin de distribucin de probabilidad F(x) dada por:

0 0.2 x 2 F(X)
P(X x)

x 0
2

0
0,4x 2 ;0 x 1 5

1 5

dF(x) = f(x) = dx

1 1

5 x 20

5-x 10 0

;1 x

; en otro caso

1 x x 5

Si el robot lleva ya ms de un segundo en el proceso de ensamblaje. Cul es la probabilidad de que termine de ensamblar dicha pieza antes del tiempo esperado?
4.

Un grupo de investigadores interesados en estudiar el Ro Usumacinta (Guatemala), encontr que la profundidad vara de un da a otro uniformemente entre 12 y 15 metros. 4.1 Calcule la probabilidad de que en la siguiente medicin se obtenga menos de 13 metros. 4.2 Cul es la profundidad promedio del Ro? 4.3 Obtenga la desviacin estndar para esta distribucin Distribucin Uniforme

La v.a. X tiene distribucin uniforme en el intervalo [a,b ], si su funcin de densidad es Notacin X ~ U[a,b] )
1 ;a x b b-a 0 ; en o.c.

f(x)=

Su funcin de distribucin est dada por: 0 ; x<a x-a F(X) = ;a x<b b a P(X x) 1 ;x b

Variable Aleatoria Continua

FMS 176

Prof.: Cecilia Larran R.

Pgina 6

Esperanza y varianza de la v.a. X ~ U[a,b]

E(X) = a+b 2 V(X) = (b - a)2 12

5.

El tiempo de activacin de los sensores fabricados por una empresa es una variable aleatoria con funcin de densidad:
2x f(x) = 2 (2 x ) 3 0 ;0<x 0,5

; 0,5 < x < k en otro caso

Un sensor se dice rpido si su tiempo de activacin es inferior a 0,2 segundos y lento si su tiempo de activacin es superior a 1 segundo. Se pide:
4.1 4.2

Calcular el valor de k para que f(x) sea funcin de densidad

Resp.: k = 2 seg

Cul es el tiempo mximo de activacin del 20% de los sensores con menos tiempo de activacin? Resp: 0,4472 Determine e interprete el valor del percentil 75

4.3

4.4

Determinar: La esperanza, deviacin estndar del tiempo de activacin. Resp: E (X) = 5/6 Desv Estndar = 0,4249

4.5

De los sensores con tiempo de activacin inferior a 1 seg., Qu porcentaje supera a su tiempo esperado? Resp. 18,056%

4.6

Se eligen al azar y en forma independiente una muestra n = 10 sensores. Cul es la probabilidad de que por lo menos dos sensores sean rpidos?

Variable Aleatoria Continua

FMS 176

Prof.: Cecilia Larran R.

Pgina 7