Título

JJ J I II

UNIVERSIDAD NACIONAL DEL

CALLAO
Anterior
VARIABLES ALEATORIAS CONTINUAS

Mg. Vladimiro Contreras Tito*

Pantalla Completa
*Departamento Académico de Ingeniería Mecánica y de Energía

e-mail : vcontrerastito@hotmail.com

6 de junio de 2019
Cerrar

Salir
 Título

1. Variable aleatorias continuas

JJ J I II Una variable aleatoria continua es aquella cuyo recorrido es un conjunto

infinito no numerable de valores. Por ejemplo: Sea Ω = {w ∈ R : w ≥ 0}
el espacio muestral que se obtiene al verificar el tiempo de duración (en
horas) de un artecfacto electrodomestico, obtenido al azar de un lote. Si la
Anterior
v.a. X se define como el tiempo de duración del artefacto entonces X es la
función identidad cuyo rango es RX = {w ∈ R : w ≥ 0}

Pantalla Completa

Cerrar

Salir
 Título

2. Función de densidad de Probabilidad

Definición 2.1. Se dice que la función f (x) es función de densidad(Ley
JJ J I II
o distribución) de probabilidad de la V:a. continua X si satisface las sigu-
ientes condiciones:

1. f (x) ≥ 0 , ∀x ∈ R
Anterior R∞
2. −∞
f (x) dx = 1
R
3. P (A) = P [x ∈ A] = A
f (x) dx para cualquier intervalo A ⊂ R

Pantalla Completa

Cerrar

Salir
 Título

NOTA

Rb
JJ J I II 1. Si A = [a, b] ⊂ R entonces P [A] = a
f (x) dx

2. Si xo es cualquier valor específicado de la v.a. continua X entonces

Rx
P [X = xo ] = P [xo ≤ X ≤ xo ] = xOo f (x) dx = 0.

Anterior Como consecuencia se tiene:

a) P (A) = 0 no implica A = φ

b)
Pantalla Completa

P (a ≤ X ≤ b) = P (a ≤ X < b) = P (a < X ≤ b) = P (a < X < b)

Cerrar

Salir
 Título

3. Función de distribución acumulada de una

v.a. continua
JJ J I II

Definición 3.1. La función de distribución acumulada (f.d.a), F (x) de

una v.a. continua X con función de densidad f (x) se define por:
Z x
Anterior
F (x) = P [X ≤ x] = f (t) dt , parax ∈ R
−∞

Pantalla Completa

Cerrar

Salir
 Título

3.1. Propiedades de la Función de distribución acumu-

lada de una v.a. continua
JJ J I II
1. El grafo de F es monótona no decreciente.

2. lı́mx→−∞ F (x) = 0 y lı́mx→+∞ F (x) = 1, esto tambien puede es-

cribirse como F (−∞) = 0 y F (+∞) = 1.
Anterior

3. Para a, b ∈ R tal que a < b entonces P [a < X ≤ b] = F (b) − F (a)

4. Dada la función de distribución acumulada F (x) de una v.a. continua

Pantalla Completa X entonces su función de densidad de probabilidad f (x) es igual a la
derivada de la funcion de densidad acumulada con respecto a x donde
d d
ésta exista, esto es: f (x) = F (x) para todo x tal que dx F (x)
dx

Cerrar 5. F es continua en todo R

Salir
 Título

4. Esperanza Matemática

JJ J I II
Definición 4.1. La esperanza matemática o valor esperado de la v.a. con-
tinua X denotado por E(X) o µX o por µ se define por
Z ∞
E(X) = x f (x) dx
−∞

Anterior donde f es la función de densidad de la v.a. continua X.

5. Varianza de la v.a. X
Pantalla Completa Definición 5.1. La varianza de una variable aleatoria continua X deno-
2
tado por V ar(X) ó V (X) o por σX se define por:
Z ∞
2
V (X) = E[(X − µ) ] = (x − µ)2 f (x) dx
−∞
Cerrar
donde f es la función de densidad de la v.a. continua X y µ = E(X).

Salir
 Título

6. Desviación estandar de la v.a. X

Definición 6.1. La desviación estandar de la v.a. continua X denotado
JJ J I II
por σX se define como: q
2
σX = σX

Anterior

Pantalla Completa

Cerrar

Salir
 Título

Definición 6.2. Sea g una función continua de la v.a. continua X, la

esperanza matemática de g denotado por E(g(X)) se define por
JJ J I II Z ∞
E(g(X)) = g(x) f (x) dx
−∞

donde f es una función de densidad de la v.a.c. X y g(x) está definido

para todo x ∈ Rx .
Anterior

Propiedades de la esperanza matemátiva y de la Varianza de

una v.a. X
Sea X una v.a. se cumplen:
Pantalla Completa

1. V (X) = E(X 2 ) − (E(X))2

2. Si a y b son constantes reales entonces

Cerrar
a) E(aX + b) = a E(X) + b

b) V (aX + b) = a2 V (X)

Salir
 Título

7. Función generatriz de Momentos (Mx)

JJ J I II Sea X una v.a. continua y sea MX : D ⊂ R → R definida por MX (t) =

E(et X ) para todo t ∈ D tal que:

1. D es un entorno de cero

Anterior dr MX (t)
2. existe ∀t ∈ D
d tr
di MX (t) di (et X )
3. = E( ) ∀i ≤ r ∀t ∈ D
d ti d ti

Pantalla Completa Se dice que MX es una función generatriz de momentos de X.

di MX (t)
Además νi = E(X i ) = |t=0 ∀i ≤ r
d ti

Cerrar

Salir