ESTADÍSTICA

Facultad de Ingeniería Geológica, Minera y Metalúrgica

Área de Ciencias Básicas

UNIDAD 3. Parte 2
• Variable aleatoria continua
• Valor esperado, varianza.
• Distribuciones continuas:
• Uniforme, Normal, Gamma y
Exponencial.

Docente: Mg. Halley Limaymanta Álvarez

 Logro de la sesión
Al finalizar la sesión, el estudiante calcula
probabilidades, valor esperado y varianza, asociadas
a distribuciones de probabilidad de variables
aleatorias continuas.
X: El tiempo de vida útil de un auto Nissan (en años)

¿Qué tipo de variable aleatoria es?

 TEMA 1
Variable aleatoria continua
Función de densidad
Función de distribución acumulada
Valor esperado y varianza
 ¿Qué es variable
aleatoria continua?
Veamos un ejemplo:
Si se estudia la ecología de un lago, se mide la profundidad en lugares
seleccionados, entonces X = la profundidad en ese lugar es una
variable aleatoria continua. En este caso A es la profundidad mínima
en la región muestreada y B es la profundidad máxima.
 Función de densidad

Sea X una vac. Entonces una distribución de probabilidad

o función de densidad de probabilidad (fdp) de X es una
función f(x), tal que para dos números cualesquiera a y
b con a ≤ b,

P  a  X  b    f ( x )dx
b

a
f  x  0


 f  x  dx  1


P  a  X  b    f ( x)dx
b

a
De la segunda condición

y = f(x)
 Distribuciones de probabilidad de Variable Continua

Las distribuciones de probabilidad son:

idealizaciones de los polígonos de frecuencias.

En el caso de una variable estadística continua

consideramos el histograma de frecuencias relativas, y se
comprueba que al aumentar el número de datos y el
número de clases el histograma tiende a estabilizarse
llegando a convertirse su perfil en la gráfica de una función.
 P  a  X  b   P  a  X  b    f ( x)dx
b

Observación a

P  a  X  b   P  a  X  b    f ( x)dx
b

a se cumple:
Si X es una variable aleatoria continua,

2. P( X  a)  0

Como consecuencias se tiene:

1. P  a  X  b   P  a  X  b    f ( x)dx
b

P  a  X  b   P  a  X  b    f ( x)dx
b

P  a  X  b   P  a  X  b    f ( x)dx
b

2. P( X  a)  0
 Ejemplo 1
La producción diaria en el mes de abril de una compañía fundidora de
metales, es una variable aleatoria, expresada miles de kilogramos, cuya
función de densidad es la siguiente:

3 3 2
𝑥− 𝑥 0<𝑥<2
𝑓 𝑥 = 2 4
0 𝑝𝑎𝑟𝑎 𝑐. 𝑜. 𝑣.
Nota: c.o.v. = cualquier otra valor
a) Calcule la probabilidad de que en un día la fundidora tenga una
producción superior a 1000 kilogramos.
b) Si la producción en un día es superior a 900 kilogramos, ¿cuál es la
probabilidad de que no sobrepase los 1 500 kilogramos?
 Ejemplo 2
La variable aleatoria X representa el intervalo de tiempo (min) entre dos
llegadas consecutivas a una tienda y su función de densidad de
probabilidad para una constante k apropiada está dada por:

𝑘𝑒 −𝑥/2 𝑥>0
𝑓 𝑥 =
0 𝑝𝑎𝑟𝑎 𝑐. 𝑜. 𝑣.

a) Calcule el valor de k para que f(x) sea una función de densidad.

b) La probabilidad de que el tiempo entre dos llegadas consecutivas se
encuentre 2 y 6 minutos.
Función de distribución acumulada F(x)
La función de distribución
acumulada de una variable
aleatoria continua con
función de densidad f se
define por:

F  x   P( X  x)  
x
f (t )dt    x  


P  a  X  b   F b   F  a 
El área entre a y b se define por:
 Propiedades de una función de distribución
1. La función de distribución F(x) es no decreciente.
2. lim 𝐹 𝑥 = 0 𝑦 lim 𝐹 𝑥 = 1
𝑥→−∞ 𝑥→+∞

Si f esta definida en [a, b], entonces la Función de Distribución

Acumulada de f esta dada por:
0 si x  a

 x
F ( x)   f (t )dt si a  x  b

a


1 si xb
En general:
x0

F ( x0 )  P X  x0    f t dt

Ejemplo 3
La producción diaria en el mes de abril de una compañía fundidora de
metales, es una variable aleatoria, expresada miles de kilogramos, cuya
función de densidad es la siguiente:

3 3 2
𝑥− 𝑥 0<𝑥<2
𝑓 𝑥 = 2 4
0 𝑝𝑎𝑟𝑎 𝑐. 𝑜. 𝑣.

Nota: c.o.v. = cualquier otra valor

a) Calcule la función de distribución acumulada de f.

b) Use el resultado de la parte a) para calcular La probabilidad de que un
día :
I. la fundidora tenga una producción superior a 1000 kg.
II. La probabilidad de la producción no sobrepase los 1 500 kg, si a la una
de la tarde de ese día ya se tiene una producción superior a 900 kg.
Nota:
• Las probabilidades del tipo acumulativo P(X ≤ x) o de un
intervalo dado P(a<X<b) se pueden obtener de dos formas:

1. Integrando la f.d.p. f(x), y reemplazando directamente de

los límites.
2 Usando la Función de Distribución Acumulativa F(x), y por
último remplazar los valores de los límites.
P  a  X  b   F b   F  a 
3 Si derivamos la función de distribución acumulativa se
obtiene la función de densidad.
Valor esperado y varianza
Valor Esperado: Es un concepto importante en el estudio de f(x). Tienen
sus orígenes en los juegos de azar, debido a que los apostadores
deseaban saber cuál era su esperanza de ganar repetidamente un
juego. E(X) es el promedio o valor medio.

EX    X   x f x  dx


Varianza: Es una medida de dispersión de la distribución de probabilidad

de una variable aleatoria.


  V(X)  E(X )  E(X) E( X )   f x dx

2 2 2 2
2 Donde: x
X 

Una medida de dispersión relativa de la distribución de probabilidad es

el coeficiente de variación definida por:
DE ( x) 
CV ( x)  *100%  *100%
E ( x) 
Propiedades del valor esperado y varianza

E[a X ± b] = a E[X] ± b

Valor Esperado

V aX  b   a . V  X 
2

V aX  bY   a . V  X   b V Y 
2 2

Varianza

X e Y son variables independientes

Ejemplo 4

Sea X la variable aleatoria que denota la vida útil en horas de

cierto dispositivo electrónico. La función densidad de
probabilidad es:

 20000
 ; x  100
f ( x)   x3
0;
 en cualquier otro caso

a. ¿Cuál es la probabilidad de que la vida útil de un dispositivo

sea más de 200 horas?
b. Construya la función acumulada
c. ¿Cuál es la vida útil esperada del dispositivo?
d. Si se toman cinco dispositivos, ¿cuál es la probabilidad de que
sólo dos de ellos tengan una vida útil mayor a 200 horas?
Ejemplo 5
Suponga que el tiempo de vida de una componente electrónica,
en miles de horas, es una variable aleatoria X cuya función de
densidad tiene la gráfica siguiente,

a. Determinar c y la función de densidad de X.

b. Hallar la función de distribución de X.
c. Si el 95% de tales componentes duran a lo más k miles de
horas, halle k.
d. Halle el coeficiente de variación del tiempo de vida.
 Ejemplo 6
La demanda de gas propano por día (en miles de galones) de una
distribución en particular es una variable aleatoria con la
siguiente distribución de densidad de probabilidad:

  1 
a 1  2  1 x  2
f ( x)    x 
0
 en otro caso

a. Calcule el valor de “a”.

b. Determine la función acumulativa de x.
c. Obtenga el valor del primer cuartil.
d. Halle la probabilidad que la demanda de gas propano sea
superior a 1200 galones pero no más que 1800 galones por día.
e. Calcule e interprete el valor esperado de x.
 Autoevaluación

Afirmación Verdadero Falso

Si X es v.a.c entonces se cumple:
X
P(a  x  b)  P( x  b)  P( x  a)
La función de densidad de una variable
aleatoria continua siempre cumple con X
esta condición f ( x)  0
Si X es una variable aleatoria continua
entonces: X
P(X<c) = P(X< c)
Sean X e Y v.a. independientes entonces:
X
V(x-y) = V(x) - V(y)
 TEMA 2

DISTRIBUCIONES DE PROBABILIDAD
CONTINUA
Uniforme, Exponencial, Gamma y Normal
 Distribución Uniforme

Se dice que la variable aleatoria continua X, tiene una distribución

uniforme en el intervalo [a, b] si su función de densidad es:
f(x)

1
f ( x)  a xb f (x)
ba
1 / (b-a)

Se denota X  U( a,b ) 0 a k1 k2 b x

ab (b  a ) 2
X  E  X     V X  
2
X
2 12
Ejemplo 1

El tiempo, en minutos, que se tarda en resolver un examen

se modela como una variable aleatoria continua “X” con
distribución de probabilidad uniforme de parámetros a=50 y
b=90.
Hallar:
a) P(x<60)
b) P(x>75)
c) P(60<x<75)
d) El coeficiente de variación de X.
Ejemplo 2

El sueldo de Joel (un operario de Industrias “Fibraforte” S.A.), es

de S/ 750 más una comisión de 7% de las utilidades de la empresa
al mes. Si las utilidades de la empresa es una variable aleatoria X
con distribución uniforme entre 0 y 25000 soles.
Hallar:
a) ¿Cuánto es el sueldo promedio de Joel?
b) Si la utilidad como mínimo es 10000 soles, ¿qué probabilidad
hay de que su sueldo supere los S/ 1800?
Distribución Exponencial

Una variable aleatoria X tiene distribución exponencial con

parámetro , si su función de densidad es:
x

f x   e
1 β
; x0
β

Se denota X  Exp(  )

 x  E(X)    x2  V ( X )   2
 Probabilidad en una distribución exponencial
Si X  Exp( )

P  X  k   1 e
 k  

P X  k  e
 k  
 Ejemplo 3

X: tiempo de vida de un artefacto eléctrico (meses)

Si X  Exp(= 36 meses)

Calcule:

a) P(X 28)
b) P(X>32)
Distribución Exponencial y Poisson

• La distribución Exponencial se relaciona con la

distribución de Poisson.
• Si la cantidad de eventos discretos que suceden en un
tiempo determinado sigue una distribución de Poisson
con media  entonces el tiempo entre la ocurrencia de
dos eventos consecutivos sigue una distribución
Exponencial con media  = 1/.
 Ejemplo 4

1. Si el número de fallas de una máquina extrusora se distribuye según el

modelo de probabilidad de Poisson con un promedio de 2 fallas por
cada 30 días

a. ¿Qué probabilidad hay de que transcurran más de 50 días hasta que

la máquina presente fallas?, Defina la variable aleatoria continua y su
función de densidad.
b. Si ya transcurrió 25 días y la máquina no presenta fallas, ¿cuál es la
probabilidad de que transcurran a lo más 22 días más para que la
máquina presente fallas?
Autoevaluación

Enunciado Verdadero Falso

La distribución de probabilidad acumulada de una

variable con distribución uniforme, es constante.

La mediana de una variable con distribución

uniforme es (a+b)/2.

Toda variable aleatoria con distribución exponencial,

tiene coeficiente de variación 100%

Una variable con distribución exponencial, puede

tomar valores positivos y negativos.
Continua