07/07/2020
Capitulo 6: Variable
Aleatoria Continua y sus
Distribuciones de
Probabilidad
f(x)
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 1
Variable Aleatoria Continua
6.1 Introducción
A diferencia de una variable aleatoria discreta, una variable
aleatoria continua puede adoptar cualquier valor fraccionario
dentro de un rango definido de valores (a y b), y dado que existe
un número infinito de medidas también lo serán las
probabilidades. Por lo tanto se debe integrar la función de
densidad para calcular la probabilidad de que la variable
aleatoria asumirá un valor dentro del intervalo.
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 2
1
07/07/2020
Variable Aleatoria Continua
b
Por lo que: P(a ≤ X ≤ b) = f (x).dx
a
, para cualquier valor entre a y b.
Probabilidad = Área bajo la curva Función Densidad
f(x) P(X < x)
x
a X b
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 3
Variable Aleatoria Continua
Una función f(x), puede servir como una función de densidad de
probabilidad de una variable aleatoria continua “X”, si sus
valores satisfacen las condiciones siguientes:
f(x)
1. f(x) 0 para - X
2. f (x) . dx 1
X
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 4
2
07/07/2020
Variable Aleatoria Continua
Ejemplo: El número de minutos que un vuelo entre dos ciudades se
adelanta o atrasa es una variable aleatoria cuya densidad de
probabilidad está dada por: 1 2
(36 x ) pa ra ,- 6 x 6
f (x) 288
0 pa racua l qui e otra
r pa rte
Donde los valores negativos indican que el vuelo llega adelantado y
los positivos que llegan con retraso. Encuentre las probabilidades que
uno de estos vuelos llegará:
a) Al menos 2 minutos adelantado.
b) Al menos 1 minuto retrasado.
c) Cualquier tiempo entre 1 y 3 minutos adelantado.
d) Exactamente 5 minutos retrasado .
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 5
Variable Aleatoria Continua
Solución: La variable aleatoria continua, puede presentan
valores negativos o positivos:
2 1
a) P(-6 < x < -2 ) = 6 288
(36 x 2 ) . dx 25,93%
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 6
3
07/07/2020
Variable Aleatoria Continua
b) Al menos 1 minuto retrasado.
1 6
P( 1 < x < 6) =
288
(36 x 2 ) . dx 37,62%
1
c) Cualquier tiempo entre 1 y 3 minutos adelantado.
1 1
P( -3 < x < -1) =
288
(36 x 2 ) . dx 21,99% 22%
3
d) Exactamente 5 minutos retrasado .
5 1
P( x = 5) = 5 288
(36 x 2 ) . dx 0%
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 7
Variable Aleatoria Continua
Ejercicio: El desgaste (en miles de kilómetros) que los dueños de
automóviles tienen con cierta clase de neumáticos es una
variable aleatoria cuya densidad de probabilidad está dada por:
1 30
x
e pa ra , x 0
f (x) 30
0 pa ra ,x 0
Encuentre la probabilidad que una de estos neumáticos durará:
a) Cuando mucho 18,000 kilómetros.
b) Cualquier valor entre 27.000 y 36.000 kilómetros.
c) Al menos 48,000 kilómetros.
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 8
4
07/07/2020
Variable Aleatoria Continua
6.2 Media, Varianza y Desviación Estándar de una V.A.C
Para el caso de una variable aleatoria continua, se calcula la
media, varianza y desviación estándar, de acuerdo con las
siguientes expresiones:
μ (x) x . f(x). dx,
media de una distribución de probabilidad.
σ (x) (x μ) . f(x). dx, varianza de una distribución de probabilidad.
2 2
σ (x) (x μ) . f(x). dx ,
2
desviación estándar de la distribución.
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 9
Variable Aleatoria Continua
Ejemplo: La duración de un alimento enlatado perecedero es una
variable aleatoria cuya función de densidad de probabilidad es:
20000
pa ra , x 0
f (x) (x 100)3
0 encua l qui erotrapa rte
Encuentre las probabilidades que el alimento tendrá una duración de:
a) Al menos 200 horas.
b) Cuando mucho 100 horas.
c) Cualquier tiempo entre 80 y 120 horas.
d) Cual es el tiempo esperado de duración del alimento y su
variación.
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 10
5
07/07/2020
Variable Aleatoria Continua
Solución: De acuerdo con las preguntas del ejemplo:
a) Al menos 200 horas.
100000 20000
P( x > 200) = 200 (x 100)3
. dx 11,1 %
b) Cuando mucho 100 horas.
100 20000
P( x < 100) = 0 (x 100)3
. dx 75 %
c) Cualquier tiempo entre 80 y 120 horas.
120 20000
P( 80 < x < 120) = 80 (x 100)3
. dx 10,2 %
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 11
Variable Aleatoria Continua
d) Cual es el tiempo esperado de duración del alimento y su
variación.
20000
. dx 99,8 100 hrs
100000
(x) x.
0 (x 100)3
2 ( x)
100000
0
(x - 99,8)2 .
20000
(x 100)3
. dx 98254 hrs2
313,5 hrs
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 12
6
07/07/2020
Distribución Probabilidad Uniforme
6.3 Distribución de Probabilidad Uniforme
Una variable aleatoria continua tiene una distribución Uniforme
si cumple con la siguiente función de densidad de probabilidad:
1
pa ra , a x b
f (x) (b a)
0 encua l qui erotrapa rte
La media y la varianza de la variable aleatoria serán:
ab 1
y b a 2
2 12
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 13
Distribución Probabilidad Uniforme
Gráficamente se expresa como:
f(x)
La distribución Uniforme
1
(b a) no depende de X, por lo
que se expresa como un
x rectángulo que con altura
a b
constante y base en función
Media de los valores de a y b.
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 14
7
07/07/2020
Distribución Probabilidad Uniforme
Ejemplo: Usted es un vendedor de una sociedad de bebidas,
según las especificaciones el producto tiene 12 [oz], pero como
política de mercado se dice en el envase que el producto está
entre 11,5 a 12,5 [oz]. Supongamos que la cantidad envasada
sigue una distribución uniforma, ¿Cual es la probabilidad de que
el envase contenga menos de 11,8 [oz]?, si existen perdida
cuando la cantidad envasada supera las 12,3 [oz] ¿Que
porcentaje supone esto?
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 15
Distribución Probabilidad Uniforme
Solución: Gráficamente se expresa como:
f(x)
0,1
x
11,5 11,8 12,5
11,8 1
P(11,5 < x < 11,8) =
11,5 (12,5 11,5)
0,3 30%
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 16
8
07/07/2020
Distribución Probabilidad Uniforme
12,5 1
P(12,3 < x < 12,5) =
12,3 (12,5 11,5)
0,2 20%
Se espera una perdida del 20% en las ganancias.
Así también podemos calcular la media, que es igual a 0,5[oz]
y la varianza, que es igual a 0,083 [oz^2], es decir una
desviación estándar de 0,289 ó 0,3 [oz].
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 17
Distribución Probabilidad Uniforme
Ejercicio: El tiempo medio en minutos, que cierta persona
invierte en ir de su casa a la oficina es un fenómeno aleatorio que
obedece la distribución Uniforme en el intervalo de 20 a 25
minutos. ¿Cuál es la probabilidad que llegue a su oficina a las
7:28 am en punto, si sale de su casa exactamente a las 7:05 am?
Ejercicio: Cierto semáforo permanece rojo 45 segundos cada
vez. Usted llega al azar al semáforo y encuentra rojo. Mediante
la función de densidad Uniforme hallar la probabilidad que el
semáforo se ponga verde en menos de 15 segundos.
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 18
9
07/07/2020
Distribución Probabilidad Normal
6.3 Distribución de Probabilidad Normal
Una variable aleatoria continua tiene una distribución Normal si
se ajusta a la función de densidad de probabilidad:
2
1 x
1
P(x , , ) e 2
pa ra- x
2
Donde X, es una variable aleatoria que tiene la distribución
Normal con estos dos parametros.
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 19
Distribución Probabilidad Normal
Gráficamente una variable aleatoria continua con Distribución
Normal tiene una distribución simétrica con forma de campana,
como en la figura siguiente:
2
d 1 x
1
P(x) e 2
.dx
f(x) 2
c
f(X)
B
A C
x X
c d
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 20
10
07/07/2020
Distribución Probabilidad Normal
Calculo de Probabilidades en la Distribución Normal:
1. Mediante la integral de la función de densidad de acuerdo con
los valores de la variable aleatoria.
2. Mediante Puntajes Z:
La tabla Z proporciona la probabilidad correspondiente al área
bajo la curva a la izquierda del valor de X o variable aleatoria.
Para ello debemos transformar (X) en (Z) de acuerdo con:
X
Z
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 21
Distribución Probabilidad Normal
Estandarización de la Variable Aleatoria Continua:
X
Z
= 1
X = 0 Z
Distribución Normal Distribución Normal Estandarizada
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 22
11
07/07/2020
Distribución Probabilidad Normal
Una vez que convertimos un puntaje no estándar (X) en un
puntaje Z estándar (µ=0 y σ=1), recomendamos el
procedimiento siguiente:
1. Dibuje una curva normal, rotule la media y sombree la región
que representa la probabilidad deseada.
2. Se busca es valor de Z más cercana dentro de los márgenes
de la tabla .
3. Si el puntaje de Z esta situado a la izquierda de la línea
central, este es negativo.
4. Se lee el valor de la probabilidad correspondiente.
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 23
Distribución Probabilidad Normal
Por ejemplo: Cual es la probabilidad de que X tenga un valor
entre P(5 < x < 6,2), para N(5,10):
X 6.2 5 P( 5 < x < 6,2 ) = 0,0478 = 4,78%
Z 0.12
10
= 10 =1
= 5 6.2 X = 0 .12 Z
Distribución Normal Distribución Normal Estandarizada
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 24
12
07/07/2020
Distribución Probabilidad Normal
=1
Z .00 0.01 0,02
,0478
0.0 .0000 .0040 .0080
0.1 .0398 .0438 0,0478
0.2 .0793 .0832 .0871 = 0 .12 Z
0.3 .1179 .1217 .1255
Probabilidades
La probabilidad es: P(5 < x < 6,2) = 0,0478 = 4,78 %, o también:
2
6,2 1 x 5
1
P(5 x 6,2)
5 10 2
e 2 10
.dx 0,047758
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 25
Distribución Probabilidad Normal
Por ejemplo: Cual es la probabilidad de que X tenga un valor
entre P(3,8 < x < 5), para N(5,10):
X 3.8 5 P( 3,8 < x < 5 ) = 0,0478 = 4,78%
Z .12
10
= 10 =1
3.8 = 5 X -.12 = 0 Z
Distribución Normal Distribución Normal Estandarizada
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 26
13
07/07/2020
Distribución Probabilidad Normal
Por ejemplo: Cual es la probabilidad de que X tenga un valor
entre P(2,9 < x < 7,1), para N(5,10):
X 2.9 5 X 7.1 5 P( 2,9 < x < 7,1 ) = 0,1664= 16,64%
Z 0.21 Z 0.21
10 10
= 10 =1
0,0832
0,0832
2.9 5 7.1 X -.21 0 .21 Z
Distribución Normal Distribución Normal Estandarizada
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 27
Distribución Probabilidad Normal
Por ejemplo: Cual es la probabilidad de que X tenga un valor
entre P( x > 8), para N(5,10):
X 85
Z .30 P( x > 8) = 0,5 - 0,1179= 38,21%
10
= 10 =1
0,3821
0,1179
0,5
=5 8 X =0 .30 Z
Distribución Normal Distribución Normal Estandarizada
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 28
14
07/07/2020
Distribución Probabilidad Normal
Por ejemplo: Cual es la probabilidad de que X tenga un valor
entre P( 7,1 < x < 8), para N(5,10):
X 7.1 5 X 85
Z 0.21 Z 0.30 P( 7,1 < x < 8) = 0,1179 – 0,0832= 3,47%
10 10
= 10 =1
0,1179
0,0347
0,0832
=5 7.1 8 X =0 .21 .30 Z
Distribución Normal Distribución Normal Estandarizada
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 29
Distribución Probabilidad Normal
Ejemplo: Usted trabaja en el sector de Control de Calidad en una
fabrica de focos. La duración de estos focos sigue una
distribución normal con una μ = 2000 horas y σ = 200 horas. Para
cumplir con el control de calidad se pide determinar, cual es la
probabilidad de que uno de los focos dure?
a) Entre 2000 y 2400 horas ?
b) Menos de 1470 horas ?
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 30
15
07/07/2020
Distribución Probabilidad Normal
Solución: La probabilidad de que X tenga un valor entre:
a) P( 2000 < x < 2400), es:
X 2400 2000
Z 2.0 P( 2000 < x < 2400) = 0,4772= 47,72%
200
= 200 =1
0,4772
= 2000 2400 X =0 2.0 Z
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 31
Distribución Probabilidad Normal
b) P( x < 1400), es:
X 1470 2000
Z 2.65 P( x < 1400) = 0,4772= 47,72%
200
= 200 =1
0,5
0,0040
0,4960
1470 = 2000 X -2.65 = 0 Z
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 32
16
07/07/2020
Distribución Probabilidad Normal
Ejercicio: Una variable aleatoria tiene la distribución normal con
σ = 10. Si la probabilidad de que la variable aleatoria asumirá un
valor menor que 82,5 es 0,8212, ¿cuál es la probabilidad de que
asumirá un valor mayor que 58,3?
X μ
Z X Z. P(X 82,5) 0,8212
σ
X-
X - Z. P([X Z. ] 82,5) 0,8212
Z
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 33
Distribución Probabilidad Exponencial
6.3 Distribución de Probabilidad Exponencial
Una variable aleatoria continua tiene una distribución
Exponencial si se ajusta a la función de densidad:
f(X) = 2,0
λx
f(x) λe = 0,5
X
Donde X, es una variable aleatoria que tiene los parámetros:
1 1
μ , σ
λ λ
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 34
17
