VARIABLES ALEATORIAS CONTINUAS

Variables Aleatorias Continuas y Distribuciones de Probabilidad.

No todas las variables aleatorias son discretas, este captulo tratar sobre el segundo tipo
general de variables aleatorias, llamadas variables aleatorias continuas.

Se dice que una variable aleatoria, por ejemplo X, es continua si los conjuntos de
valores posibles es un intervalo completo de nmeros, es decir, si para alguna Ax est
contenido en el intervalo A y B.

Funcin de Densidad de Probabilidad.

Tambin llamada: Distribucin de Probabilidad, sea X una variable aleatoria

contina, entonces una funcin de densidad de probabilidad de X es una funcin f(x) tal
que para dos nmeros cualesquiera a y b.

La probabilidad de que X tome un valor en el intervalo [a, b] es el rea arriba de este

intervalo y bajo la grfica de una funcin de densidad. La curva f(x) se llama curva de
densidad.

Para que f(x) sea una funcin de densidad de probabilidad, se deben satisfacer las
siguientes condiciones:

1. f(x) > 0,...para todo x.

2.

Proposicin: Si X es una variable aleatoria continua, entonces para cualquier

valor de c, P( X = c) = 0. En definitiva, la probabilidad asignada a algn valor en
particular es cero, mientras que la probabilidad de un intervalo no depende de si
est incluido en cualquiera de sus puntos terminales.
 2. Funcin de Distribucin Acumulada.

La funcin de distribucin acumulada, F(x), para una variable aleatoria

continua X, est definida para todo nmero x mediante:

Para cada x, F(x) es el rea bajo la curva de densidad a la izquierda de x. F(x) se

incrementar de manera uniforme cuando aumenta x.

La funcin de distribucin acumulada es muy til para calcular probabilidades: Sea X una
variable aleatoria continua con funcin de densidad de probabilidad f(x) y funcin de
distribucin acumulada F(x). Entonces, para cualquier nmero a, la probabilidad es:

P(X > a) = 1 - F(a)

Y para dos nmeros cualesquiera a y b, con b > a, la probabilidad es:

P(a X b) = F(b) - F(a)

Relacin entre la Funcin de Probabilidad de Densidad y la Funcin de

Distribucin Acumulada.

Si X es una variable aleatoria continua con funcin de distribucin de probabilidad f(x) y

funcin de distribucin acumulada F(x), entonces:

F'(x) = f(x),......t (-, x)

Esperanza de una Variable Aleatoria Continua.

La esperanza, promedio, valor esperado o media de una variable aleatoria continua X con
funcin de densidad de probabilidad f(x)es:

A veces, se desea calcular la esperanza de alguna funcin h(X) de la variable aleatoria X, si

se considera h(X) como una nueva variable aleatoria Y, su esperanza es:

Siempre que

sea finita.
Varianza de una Variable Aleatoria Continua.

La varianza de una variable aleatoria continua X con funcin de densidad de

probabilidad f(x) es:

La raz cuadrada positiva, , de la varianza de X, se denomina: desviacin tpica de X.

Proposiciones de Esperanza y Varianza de una Variable Aleatoria Continua.

Sea X una variable aleatoria continua y sean a y b dos nmeros reales cualesquiera, se
verifica que:

1. E(aX + b) = aE(X) + b

2. Var(aX + b) = aVar(X)

3. Var(X) = E(X) - [E(X)]

Distribucin Uniforme.

Se dice que una variable aleatoria continua X, que toma todos los valores del intervalo [a,
b] real, sigue una distribucin uniforme de parmetros a y b, si su funcin de densidad
de probabilidad es:

Se representa por: X ~ U(a, b).

Su funcin de distribucin acumulada, F(x) es:

La media de la distribucin uniforme viene dada por:

Y la varianza de la distribucin uniforme viene expresada por:

Distribucin Normal.

Se dice que una variable aleatoria continua X, tiene una distribucin normal o
de Gauss de parmetros y , si su funcin de densidad de probabilidad es:

Se representa la distribucin normal, por: X ~ N(, ).

La media de la distribucin normal viene dada por:

E(X) =

Y la varianza de la distribucin normal viene expresada por:

Var(X) =

La representacin grfica as cmo los significados de la esperanza y varianza son:

Distribucin Normal No Estndar (Tipicacin).

Si X tiene una distribucin normal con media y desviacin estndar , entonces:

Se dice que tiene una distribucin normal estndar.

Aproximacin de la Distribucin Binomial por la Normal.

Sea X una variable aleatoria continua que sigue una distribucin de probabilidad
binomial: X ~ B(n, p), si np 5 y por ende, nq 5, se pude aproximar por
una distribucin normal:

La media, al igual que en la distribucin binomial, viene dada por:

x = E(X) =np

Y la varianza, al igual que en la distribucin binomial, viene expresada por:

x2 = E[(X - x)2 = np(1 - p)

Correccin por continuidad:

1. P(a X b) = P(a - 0.5 X b + 0.5)

2. P(a <.X b) = P(a + 0.5 X b + 0.5)

3. P(a X <.b) = P(a - 0.5 X b - 0.5)

4. P(a < X <.b) = P(a + 0.5 X b - 0.5)

Aproximacin de la Distribucin de Poisson por la Normal.

Sea X una variable aleatoria continua que sigue una distribucin de probabilidad de
Poisson: X ~ P(), si > 25, se pude aproximar por una distribucin normal:

Por lo tanto, sigue N(0,1) de forma aproximada.

La media, al igual que en la distribucin de Poisson, viene dada por:

x = E(X) =

Y la varianza, al igual que en la distribucin de Poisson, viene expresada por:

x2 = E[(X - x)2 =

Correccin por continuidad:

1. P(a X b) = P(a - 0.5 X b + 0.5)

2. P(a <.X b) = P(a + 0.5 X b + 0.5)

3. P(a X <.b) = P(a - 0.5 X b - 0.5)

4. P(a <.X <.b) = P(a + 0.5 X b - 0.5)

Distribucin Exponencial.

Se dice que una variable aleatoria continua X, tiene una distribucin exponencial de
parmetro , si su funcin de densidad de probabilidad es:

Para > 0.

Se representa por: X ~ Exp().

La media de la distribucin normal viene dada por:

E(X) =

Y la varianza de la distribucin normal viene expresada por:

Var(X) =

La distribucin exponencial posee una caracterstica a tener en cuenta: Carencia de

memoria.

Sea X ~ Exp(). Si x, y Z, se verifica que:

P(X < x + y | X.> x) = P(X < y)

 UNIVERSIDAD
NACIONAL DE
CAJAMARCA
FACULTAD DE
INGENIERA
ESCUELA ACADMICO
PROFESIONAL DE
INGENIERA CIVIL

CURSO :
ESTADISTICA GENERAL

ALUMNO :
PIZN VERSTEGUI, JARDI

CICLO : II
GRUPO : B

Cajamarca, 2013