Probabilidad para

administradores

Sesión 4
Variables aleatorias y función de probabilidad

Universidad Javeriana
 Variable aleatoria
Una variable aleatoria es una función que asigna un valor al resultado de un experimento aleatorio.

Una distribución de probabilidad se usa para describir la probabilidad de que se den los diferentes
valores, es decir que existe una distribución de probabilidad asociada al conjunto de valores posibles.
Puede ser descrita a través de una gráfica, una tabla o una fórmula.

Se llama rango de una variable aleatoria X (R(X)), al conjunto de los valores reales que ésta puede
tomar.
 Variable aleatoria Discreta
Son aquellas variables que pueden tomar ciertos valores dentro de un rango determinado.

Variable aleatoria X
Valores puntuales que toma la V.A. X: x1, x2, … xn

Probabilidad en cada punto:

P(X = x1) = ?
P(X = x2) = ?
.
.
.
P(X = xn) = ?

P(X = punto no definido en X) = 0

 Variable aleatoria - Ejemplos
• V.A. X: Número de veces que se obtiene el número 6 al lanzar un dado N veces.
Valores puntuales de toma X: R(X) = {0,1,2,…N}

• V.A. X: El precio de cierta acción sube (si sube, X = 1, no sube X = 0).

R(X) = {0,1}

• V.A. X: Número de días que transcurren desde el día en que se vence una obligación crediticia y el
día en que se cumple con dicha obligación.
R(X) = {0,1,…,n,…}

• V.A. X: Número de créditos que un estudiante de Administración seleccionado al azar tiene inscritos
este semestre
R(X) = {m, m+1,…, M}

• V.A. X: Número de hermanos que tiene un estudiante de Administración seleccionado al azar.

R(X) = {0,1,…,N}
Variables aleatorias discretas
 Variables aleatorias discretas - Ejemplo
Un trabajador sabe que hay una cantidad de tres semáforos en el recorrido de su casa hacia el
trabajo. Una de las variables relevantes en la puntualidad a la hora de llegar al trabajo
corresponde al número de veces que observó un semáforo en rojo durante dicho recorrido.

De acuerdo a lo anterior, se define que la variable aleatoria X, que representa el número de

semáforos en rojo, tiene un rango, R(X), donde R(X) = {0,1,2,3}. Para los últimos 40 días las
observaciones del trabajador fueron las siguientes:

Número de
X
Observaciones
0 4

1 8

2 16

3 12
Total 40
 Variables aleatorias discretas - Ejemplo
Número de
X
Observaciones
0 4

1 8

2 16

3 12
Total 40

X: número de semáforos en rojo en el recorrido de la casa al trabajo

R(X) = {0,1,2,3} Función de Probabilidad
4
𝑃 𝑋=0 = = 0.1 𝑔𝑋 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖
40

8 0.1 𝑥=0
𝑃 𝑋=1 = = 0.2
40 0.2 𝑥=1
16 𝑔𝑋 𝑥 = 0.4 𝑥=2
𝑃 𝑋=2 = = 0.4 0.3 𝑥=3
40
0 𝑑. 𝑙. 𝑐.
12
𝑃 𝑋=3 = = 0.3
40
Variables aleatorias discretas
Variables aleatorias discretas
 Variables aleatorias discretas - Ejemplo
Número de
X
Observaciones
0 4

1 8

2 16

3 12
Total 40

X: número de semáforos en rojo en el recorrido de la casa al trabajo

R(X) = {0,1,2,3}
Función de Distribución Acumulada
4
𝑃 𝑋≤0 = = 0.1 𝐹𝑋 𝑥𝑖 = 𝑃 𝑋 ≤ 𝑥𝑖
40

4+8 0 𝑥<0
𝑃 𝑋≤1 = = 0.3
40 0.1 0≤ 𝑥<1
4 + 8 + 16 𝐹𝑋 𝑥 = 0.3 1≤ 𝑥<2
𝑃 𝑋≤2 = = 0.7 0.7 2≤ 𝑥<3
40
1.0 𝑥≥3
4 + 8 + 16 + 12
𝑃 𝑋≤3 = = 1.0
40
 Variables aleatorias discretas - Ejemplo
X: número de semáforos en rojo en el recorrido de la casa al trabajo.
R(X) = {0,1,2,3}

Función de Probabilidad
𝑔𝑋 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖

0.1 𝑥=0
0.2 𝑥=1
𝑔𝑋 𝑥 = 0.4 𝑥=2
0.3 𝑥=3
0 𝑑. 𝑙. 𝑐.

Función de Distribución Acumulada

𝐹𝑋 𝑥𝑖 = 𝑃 𝑋 ≤ 𝑥𝑖

0 𝑥<0
0.1 0≤ 𝑥<1
𝐹𝑋 𝑥 = 0.3 1≤ 𝑥<2
0.7 2≤ 𝑥<3
1.0 𝑥≥3
 Variables aleatorias discretas - Ejemplo

Un estudio sociológico buscó determinar la cantidad de hijos por familia en un barrio de cierta población
vulnerable. Los resultados se presentan a continuación:

Número de hijos 0 1 2 3 4
Cantidad de familias 12 18 23 7 10

A partir del estudio determine:

• La función de probabilidad y la función de probabilidad acumulada para la cantidad de hijos del barrio
analizado.
• Probabilidad de que una familia elegida al azar tenga 2 hijos.
• Probabilidad de que una familia elegida al azar tenga menos de 2 hijos.
• Probabilidad de que una familia elegida al azar tenga por lo menos tres hijos.
Variables aleatorias discretas - Ejemplo
Variables aleatorias discretas - Ejemplo
Variables aleatorias discretas - Ejemplo
 Variables aleatorias discretas - Ejemplo
Un vendedor de casas estima que el número de casas que puede vender durante un día se puede
modelar como una variable aleatoria X con la siguiente función de probabilidad:

c, i0
0.25, i 1

0.3, i2
g X (i )  
k , i3
0.1, i4

0, dlc.

Adicionalmente, el vendedor cree que, con probabilidad de 0.8, él no terminará el día sin vender
ninguna casa.

Encuentre los valores de c y k para que sea una función de probabilidad.

Encuentre la función de distribución acumulada de X y grafíquela.
 Variables aleatorias discretas - Ejemplo
La selección colombiana de fútbol va a participar en un torneo junto a otros 7 equipos. Los 8 equipos van a
ser sorteados en 2 grupos de 4 equipos cada uno. De los equipos participantes Brasil es considerado el más
fuerte, por lo cual ninguno de los otros equipos quiere quedar en su mismo grupo. El técnico de Colombia
está analizando los puntos que su equipo puede obtener durante la fase de grupos, y ha estimado que si
Colombia queda en el mismo grupo que Brasil puede obtener 3 puntos con probabilidad 0.3, 4 puntos con
probabilidad 0.3 y 6 puntos con probabilidad 0.4. Si Colombia queda en un grupo diferente al de Brasil, su
técnico cree que puede obtener 4, 6 ó 7 puntos con probabilidad 0.3, 0.5 y 0.2, respectivamente.

La variable aleatoria X representa los puntos que obtendrá Colombia durante la fase de grupos.

a. Encuentre la función de probabilidad de la variable X.

b. Calcule la función de distribución acumulada de la variable X.
c. Calcule:
- 𝑃(𝑋 = 6)
- 𝑃(𝑋 ≤ 6)
Variables aleatorias discretas - Ejemplo
0.128 x  3
 0.3 x  4

0.457 x  6
g X ( x)  
0.114 x  7
 6  1   0 d .l.c
   

P( SB)       0.571
3 0 4
7 7
 
 3  0 X 3
0.128 3  X  4
 6 1 
   0.428 4  X  6
FX ( x )  
P( B)      1  P( SB)   0.428
2 1 3
0.885 6  X  7
7 7  1 X 7
  
 3 

I. P(X = 6) = gX(6)= 0.457

II. P(X ≤ 6) = FX(6)= 0.885
 Variables aleatorias discretas – Valor esperado
El valor esperado, o media de una variable aleatoria, es un promedio ponderado de los valores que
toma la variable aleatoria y representa una medida de localización central de la variable aleatoria
𝑛

𝐸 𝑋 = ෍ 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖
𝑖=1

Esta ecuación significa que se deben multiplicar todos y cada uno de los valores de la variable
aleatoria pro su probabilidad correspondiente f(x) y después se deben sumar todos esos productos
 Variables aleatorias discretas – Valor esperado

Propiedades

Sean k, a y b valores constantes. Entonces:

𝐸 𝑘 =𝑘, 𝐸 𝑘𝑋 = 𝑘𝐸 𝑋 , 𝐸 𝑎𝑋 + 𝑏 = 𝑎𝐸 𝑋 + 𝑏
 Valor esperado - Propiedades
Para cada postulado, aplique las propiedades de valor esperado

• E (8)
• E (3X + 8)
• E (- 4X)
• E (- 8X - 7Y)
• E (-42)
• E (X + 20Y + 3)
• E (-6X + 12Y – 11Z)
• E (10X)
 Valor esperado - Ejemplo
Para el ejemplo de los semáforos:

Función de Probabilidad
𝑔𝑋 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖

0.1 𝑥=0 𝑛
0.2 𝑥=1 𝐸 𝑋 = ෍ 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 = 0,1 ∗ 0 + 0,2 ∗ 1 + 0,4 ∗ 2 + 0,3 ∗ 3
𝑔𝑋 𝑥 = 0.4 𝑥=2 𝑖=1
0.3 𝑥=3
0 𝑑. 𝑙. 𝑐. 𝐸[𝑋] = 0 + 0,2 + 0,8 + 0,9 = 1,9

En promedio se espera que hayan habido 1,9 semáforos en rojo por

día.
 Valor esperado - Ejemplo
Para el ejemplo de los hijos:

Función de Probabilidad
𝑔𝑋 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖 𝑛

0.17 𝑥=0 𝐸 𝑋 = ෍ 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 = 0,17 ∗ 0 + 0,26 ∗ 1 + 0,33 ∗ 2 + 0,1 ∗ 3 + 0,14 ∗ 4

0.26 𝑥=1 𝑖=1
0.33 𝑥=2
𝑔𝑋 𝑥 =
0.1 𝑥=3 𝐸 𝑋 = 0 + 0,26 + 0,66 + 0,3 + 0,56 = 1,78
0.14 𝑥=4
0 𝑑. 𝑙. 𝑐.

En promedio se espera que haya 1,78 hijos por familia en la

población vulnerable analizada.
 Valor esperado - Ejemplo
Para el ejemplo de la selección de los trabajadores:

𝑛
1 3 1
𝐸 𝑋 = ෍ 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 = 0 ∗ +1∗ +2∗
5 5 5
𝑖=1
3 2 5
𝐸 𝑋 =0+ + = =1
5 5 5

En promedio se espera que haya 1 mujer seleccionada en el grupo

de trabajadores
 Valor esperado - Ejemplo
Para el ejemplo de las computadoras:

𝑛
68 51 3
𝐸 𝑋 = ෍ 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 = 0 ∗ +1∗ +2∗
95 190 190
𝑖=1
51 6 57
𝐸 𝑋 =0+ + = = 0,3
190 190 190

En promedio se espera que haya 0,3 computadoras defectuosas

entre las dos que compra el colegio
 Variables aleatorias discretas – Varianza
La varianza representa una medida de variabilidad o dispersión de los datos. Representa un
promedio ponderado de los cuadrados de las desviaciones de una variable aleatoria de su media.

2
𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
= ෍ 𝑔𝑋 𝑥 ∗ 𝑥 2 − ෍ 𝑔𝑋 𝑥 ∗ 𝑥
𝑅 𝑋 𝑅 𝑋
 Variables aleatorias discretas – Varianza

Propiedades

Sean k, a y b valores constantes. Entonces:

𝑉𝑎𝑟 𝑘 = 0 , 𝑉𝑎𝑟 𝑘𝑋 = 𝑘 2 𝑉𝑎𝑟 𝑋 , 𝑉𝑎𝑟 𝑎𝑋 + 𝑏 = 𝑎2 𝑉𝑎𝑟 𝑋 + 0

 Varianza - Propiedades
Para cada postulado, aplique las propiedades de la varianza

• Var (8)
• Var (3X + 8)
• Var (- 4X)
• Var (- 8X - 7Y)
• Var (-42)
• Var (X + 20Y + 3)
• Var (-6X + 12Y – 11Z)
• Var (10X)
 Varianza - Ejemplo
Para el ejemplo de los semáforos:

Función de Probabilidad
𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
𝑔𝑋 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖
𝑛
0.1 𝑥=0
0.2 𝑥=1 𝐸 𝑋 2 = ෍ 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 2 = 0,1 ∗ 02 + 0,2 ∗ 12 + 0,4 ∗ 22 + 0,3 ∗ 32
𝑔𝑋 𝑥 = 0.4 𝑥=2 𝑖=1
0.3 𝑥=3
0 𝑑. 𝑙. 𝑐. 𝐸 𝑋 2 = 0 + 0,2 + 1,6 + 2,7 = 4,5

𝐸[𝑋]2 = 1,92 = 3,61

𝑉𝑎𝑟 𝑋 = 4,5 − 3,61 = 0,89 [𝑠𝑒𝑚á𝑓𝑜𝑟𝑜𝑠^2 ]

 Valor esperado - Ejemplo
Para el ejemplo de los hijos:

𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2

Función de Probabilidad
𝑔𝑋 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖 𝑛

𝐸 𝑋 2 = ෍ 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 2 = 0,17 ∗ 02 + 0,26 ∗ 12 + 0,33 ∗ 22 + 0,1 ∗ 32 + 0,14 ∗ 42

0.17 𝑥=0 𝑖=1
0.26 𝑥=1
0.33 𝑥=2 𝐸 𝑋 2 = 0 + 0,26 + 1,32 + 0,9 + 2,24 = 4,72
𝑔𝑋 𝑥 =
0.1 𝑥=3
0.14 𝑥=4 𝐸[𝑋]2 = 1,782 = 3,17
0 𝑑. 𝑙. 𝑐.
𝑉𝑎𝑟 𝑋 = 4,72 − 3,17 = 1,55 [ℎ𝑖𝑗𝑜𝑠 ^2 ]
 Varianza- Ejemplo
Para el ejemplo de la selección de los trabajadores:

𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2

𝑛
1 3 1
𝐸 𝑋2 = ෍ 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 =2 02 ∗ 2
+1 ∗ 2
+2 ∗
5 5 5
𝑖=1

3 4 7
𝐸 𝑋2 = 0 + + =
5 5 5

𝐸[𝑋]2 = 12 = 1

7 2
𝑉𝑎𝑟 𝑋 = − 1 =
5 5
 Valor esperado - Ejemplo
Para el ejemplo de las computadoras:

𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2

𝑛
68 51 3
𝐸 𝑋2 2
= ෍ 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 = 02 ∗ 2
+1 ∗ 2
+2 ∗
95 190 190
𝑖=1

51 12 63
𝐸 𝑋2 = 0 + + = = 0,331
190 190 190

𝐸[𝑋]2 = 0,32 = 0,09

𝑉𝑎𝑟 𝑋 = 0,331 − 0,09 = 0,241

 Ejercicio
Una ONG realizará un evento con el fin de promover la prevención de la obesidad en Colombia. Para ello realizó un estudio con 74
pacientes que presentan algún tipo de enfermedad derivada del sobrepeso y la obesidad. En el estudio se encontró que, 30 pacientes
sufren de enfermedades coronarias, 14 sufren de diabetes, 26 tienen hipertensión y 4 presentan artrosis. Se seleccionan 4 pacientes al
azar para que compartan sus experiencias con la enfermedad, en el evento que realizará la ONG.

Se define la variable aleatoria 𝑋 como el número de pacientes con Diabetes que hacen parte del grupo de seleccionados.

a. Construya y grafique la Función de Probabilidad de la variable aleatoria 𝑋.

b. Construya y grafique la Función de Distribución Acumulada (FDA) de la variable aleatoria 𝑋.
c. Calcule la probabilidad de que al menos un paciente con Diabetes sea seleccionado para hacer parte del grupo.
d. ¿Cuál es la probabilidad de que más de 1 pero menos de 4 pacientes con Diabetes sean seleccionados para participar en el evento?
e. Dependiendo de la cantidad de pacientes con diabetes seleccionados para contar su experiencia en el evento, La Asociación
Colombiana de Diabetes otorgará una ayuda económica para combatir esta enfermedad, la cual se define como:

Ayuda COP = $200000 ∗ 𝑋 + $400000

Con base en lo anterior, ¿Cuánto dinero, en promedio, deberá disponer La Asociación Colombiana de Diabetes para combatir la
enfermedad de los pacientes seleccionados? Interprete su resultado.

f. ¿Cuál es la varianza de la variable aleatoria X?

 Taller
Una psicóloga infantil está interesada en el número de veces que el llanto de un bebé recién nacido despierta a su madre después de
medianoche. Con el fin de estudiar lo anterior, la psicóloga realiza una encuesta a 50 madres seleccionadas de manera aleatoria, donde
obtiene la siguiente información:
X # Reportes
0 2
1 11
2 23
3 9
4 4
5 1

Se define la variable aleatoria X como el número de veces que un recién nacido despierta a su madre después de la medianoche.
• Construya y grafique la función de probabilidad de la variable aleatoria X
• Halle la función de distribución acumulada (FDA) de la variable aleatoria X y grafíquela.
• ¿Cuál es la probabilidad de que un recién nacido seleccionado al azar despierte solo 3 veces a su madre después de la
medianoche?
• ¿Cuál es la probabilidad de que un recién nacido seleccionado al azar despierte a su madre máximo dos veces después de la
medianoche?
• ¿Cuál es la probabilidad de que un recién nacido seleccionado al azar despierte a su madre más de una vez pero menos de 5 veces
después de la medianoche?
• Calcule el valor esperado de la variable aleatoria X e interprete el resultado.
• Calcule la varianza de la variable aleatoria X.
Variable aleatoria Continua
 Variable aleatoria - Ejemplos
• V.A. X: El promedio del tiempo que gastan los estudiantes de Probabilidad en llegar a la Universidad
en un día seleccionado al azar.
R(X) = [m, M]
• V.A. X: El tiempo que transcurre entre este instante y el próximo temblor de tierra en Colombia que
supere los 6 grados en la escala de Richter.
R(X) = [0, ∞)
• V.A. X: La reserva total, en millones de barriles, de un pozo petrolero seleccionado al azar.
R(X) = [0, M]
 Variable aleatoria - Ejemplos
• V.A. X: El promedio del tiempo que gastan los estudiantes de Probabilidad en llegar a la Universidad
en un día seleccionado al azar.
R(X) = [m, M]
• V.A. X: El tiempo que transcurre entre este instante y el próximo temblor de tierra en Colombia que
supere los 6 grados en la escala de Richter.
R(X) = [0, ∞)
• V.A. X: La reserva total, en millones de barriles, de un pozo petrolero seleccionado al azar.
R(X) = [0, M]
Variable aleatoria Continuas
Variable aleatoria Continuas
Variable aleatoria Continuas

a b
Variables aleatorias continuas – Valor esperado y Varianza

𝐸 𝑋 =න 𝑓𝑋 𝑥 ∗ 𝑥 𝑑𝑥
𝑅(𝑋)

2
𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2 = න 𝑓𝑋 𝑥 ∗ 𝑥 2 𝑑𝑥 − න 𝑓𝑋 𝑥 ∗ 𝑥 𝑑𝑥
𝑅 𝑋 𝑅 𝑋
 Variable aleatoria Continuas - Ejemplo

Sea X una variable aleatoria que modela la velocidad de los transeúntes en Km/h cuando circulan por una
calle muy congestionada de Bogotá. Su función de densidad de probabilidad (fdp) se encuentra definida
por la siguiente expresión:

1 2
𝑓𝑋 𝑥 = 𝑥 0≤𝑥≤3
9

Grafique la función de densidad de probabilidad

Halle la función de distribución acumulada y grafíquela
 Variable aleatoria Continuas - Ejemplo

x x x
1 2 x3
FX x = න fX t dt = න fX t dt = න t dt 0 ≤ x ≤ 3 =
9 27
−∞ 0 0

0, 𝑥<0
𝑥3
𝐹𝑥 𝑥 = , 0≤𝑥<3
27
1, 𝑥≥3
 Variable aleatoria Continuas - Ejemplo
Sea X una variable aleatoria que modela la velocidad de los transeúntes en km/h cuando circulan por una calle muy
congestionada de Bogotá. Su función de densidad de probabilidad (fdp) se encuentra definida por la siguiente
expresión:
1
𝑓𝑋 𝑥 = 𝑥 2 0≤𝑥≤3
9

a. Calcule la probabilidad de que la velocidad de un transeúnte en particular esté entre 0.5 y 1.8 km/h. Calcule la
probabilidad de que sea superior a 2 km/h.

1,6
𝑥2 1,63 0,43 𝑥2 3
33 23
𝑃 0.4 < 𝑋 < 1.6 = න 𝑑𝑥 = − = 0,149 𝑃 𝑋>2 =න 𝑑𝑥 = − = 0,704
0,4 9 27 27 2 9 27 27

b. Si se sabe que un transeúnte camina a una velocidad de 1 km/h o más, ¿cuál es la probabilidad de que su velocidad
esté entre 1,5 y 2,4 km/h?

2.4 1 2
𝑃 1.5 < 𝑋 < 2.4 ∩ 𝑋 > 1 𝑃 1.5 < 𝑋 < 2.4 ‫׬‬1.5 9
𝑥 𝑑𝑥 0.387
𝑃 1.5 < 𝑋 < 2.4|𝑋 > 1 = = = = = 0.402
𝑃 𝑋>1 𝑃 𝑋>1 3 1 2 0.963
‫׬‬1 9 𝑥 𝑑𝑥
 Variable aleatoria Continuas - Ejemplo
c. Calcule la probabilidad de que la velocidad de un transeúnte sea exactamente de 2 km/h.

𝑃 𝑋=2 =0

d. ¿Cuál es la velocidad promedio de un transeúnte?

3 3
1 2 1 3
𝐸 𝑋 = න𝑥 ∗ 𝑥 𝑑𝑥 = න 𝑥 𝑑𝑥 = 2.25 𝑘𝑚/ℎ
9 9
0 0

e. Calcule la varianza de la variable aleatoria X

3 3
1 2 1 4
𝐸 𝑋2 2
= න𝑥 ∗ 𝑥 𝑑𝑥 = න 𝑥 𝑑𝑥 = 5,4
9 9
0 0

𝑉𝐴𝑅 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
= 5,4 − 2,252 = 0.3375
 Variable aleatoria Continuas - Ejemplo
Una constructora ha determinado que la valorización en millones de pesos de los apartamentos que están
construyendo en las afueras de la ciudad se puede modelar como una variable aleatoria 𝑋 con la siguiente
función de densidad de probabilidad:

1
𝑥, 0≤ 𝑥<1
3
𝑓𝑋 (𝑥) = 1 1
𝑥+ , 1<𝑥≤2
3 3
0, 𝑑. 𝑙. 𝑐.

a. Grafíque la función de densidad de probabilidad (fdp).

b. Halle la función de distribución acumulada (FDA) de la variable aleatoria X y grafíquela.
 Variable aleatoria Continuas - Ejemplo

𝐹𝑋 (𝑥)
 Variable aleatoria Continuas - Ejemplo
x
t 0 x<0
x x න dt 0≤x≤1 x2
3 0≤x≤1
FX x = න fX t dt = න fX t dt = 0
= 2 6
1 x
t t 1 x 𝑥 1
−∞ 0
න dt + න + dt 1<x≤2 + − 1<x≤2
3 3 3 6 3 3
0 1 1 x>2

0, 𝑥<0
x2
, 0≤ 𝑥≤1
𝐹𝑥 𝑥 = 2 6
x 𝑥 1
+ − , 1<x≤2
6 3 3
1, 𝑥>2
 Variable aleatoria Continuas - Ejemplo
1
𝑥, 0≤ 𝑥<1
3
𝑓𝑋 (𝑥) = 1 1
𝑥+ , 1<𝑥≤2
3 3
0, 𝑑. 𝑙. 𝑐.

c) Calcule la probabilidad de que la valorización de un apartamento en particular esté entre 0.5 y 1.8 millones
de pesos.

d) Si se sabe que la valorización de un apartamento en particular es mayor a 1.5 millones de pesos, ¿cuál es la
probabilidad de que su valorización este entre 1.6 y 1.7 millones de pesos?

e) Calcule la probabilidad de que la valorización de un apartamento en particular sea exactamente de 1.5

millones de pesos.

f) Si se selecciona un apartamento al azar, ¿en promedio cuál será su valorización? Interprete su resultado en
términos del problema.

g) Calcule la varianza de la variable aleatoria X

 Variable aleatoria Continuas - Ejemplo
c) Calcule la probabilidad de que la valorización de un apartamento en particular esté entre 0.5 y 1.8 millones de pesos.

𝑃 0.5 < 𝑋 < 1.8 = 𝑃 𝑋 < 1.8 − 𝑃 𝑋 < 0.5 = Fx 1.8 − 𝐹𝑥 0.5

2 2
1.8 1.8 1 0.5
= + − − = 0.765
6 3 3 6

d) Si se sabe que la valorización de un apartamento en particular es mayor a 1.5 millones de pesos, ¿cuál es la probabilidad de
que su valorización este entre 1.6 y 1.7 millones de pesos?

1.7 1 1
𝑃 1.6 < 𝑋 < 1.7 ∩ 𝑋 > 1.5 𝑃 1.6 < 𝑋 < 1.7 ‫׬‬1.6 3
𝑥 + 𝑑𝑥 0.088
𝑃 1.6 < 𝑋 < 1.7|𝑋 > 1.5 = = = 3 = = 0.192
𝑃 𝑋 > 1.5 𝑃 𝑋 > 1.5 2 1 1 0.458
‫׬‬1.5 3 𝑥 + 3 𝑑𝑥

e) Calcule la probabilidad de que la valorización de un apartamento en particular sea exactamente de 1.5 millones de pesos.

𝑃 𝑋 = 1.5 = 0
 Variable aleatoria Continuas - Ejemplo
f) Si se selecciona un apartamento al azar, ¿en promedio cuál será su valorización? Interprete su resultado en términos del
problema.

1 2
1 1 1 25
𝐸 𝑋 = න 𝑥 ∗ 𝑥𝑑𝑥 + න 𝑥 𝑥 + 𝑑𝑥 = = 1.38 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑒𝑠𝑜𝑠
3 3 3 18
0 1

De acuerdo con lo anterior, si se selecciona un apartamento al azar se espera que en promedio su valorización sea de 1.38
millones de pesos.

g) Calcule la varianza de la variable aleatoria X

1 2
1 1 1
𝐸 𝑋2 = න 𝑥 2 ∗ 𝑥𝑑𝑥 + න 𝑥 2 𝑥+ 𝑑𝑥 = 2.111
3 3 3
0 1

𝑉𝐴𝑅 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
= 2.111 − 1.382 = 0.2066
Variable aleatoria Continuas - Ejemplo
Variable aleatoria Continuas - Ejemplo
Variable aleatoria Continuas - Ejemplo
 Taller
El nivel de impureza (en miligramos) de un recipiente de cierto producto químico se puede modelar como una variable
aleatoria X con la siguiente función de densidad de probabilidad.

2
𝑓𝑋 𝑥 = ቊ𝑘𝑥 4 − 𝑥 0<𝑥<4
0 𝑑. 𝑙. 𝑐

De acuerdo a lo anterior responda:

a) Halle el valor de k que hace que 𝒇𝑿 𝒙 sea una función de densidad de probabilidad correctamente definida.
b) ¿Cuál es la probabilidad de que el nivel de impureza este entre 2.5 y 3.5 miligramos?
c) Se sabe que el producto de un frasco no es apto cuando su nivel de impureza es mayor a 3.5 miligramos. ¿Cuál es la
probabilidad de que el contenido de un frasco seleccionado al azar no sea apto?
d) Calcule el nivel de impureza esperado en un frasco seleccionado al azar, y su varianza.
e) ¿Cuál es la probabilidad que el nivel de impureza sea exactamente de 2 miligramos?
f) Si se sabe que la concentración de impureza es mayor a 1.5 miligramos, ¿cuál es la probabilidad de que este entre 2.7 y 3.4
miligramos?
g) Determine la función de distribución acumulada del nivel de impureza del producto químico en un frasco seleccionado al
azar (opcional. Bono +0,3)