1

Variables aleatorias continuas

unidimensionales
Preliminares
Una funci on f : A B se llama real a valor real o simplemente una funci on a valor real
si los conjuntos A y B son subconjuntos de los n umeros reales R. La denici on de una funci on
generalmente se hace a traves de uno de los metodos:
1. Denici on algebraica simple. La manera de c alculo de f(x) se expresa con una f ormula alge-
braica, por ejemplo,
f(x) = 4x
2
+ 6
2. Denici on algebraica por partes. Similar a la anterior, pero el argumento x se lleva a la f ormula
algebraica de acuerdo con alguna condici on, por ejemplo:
f(x) =
_
_
_
x + 1 , x < 3
2x
2
+ 6 , x 3
f(x) =
_

_
1 , x = 0
2x , x < 0
3x + 6 , x > 0
3. Denici on mediante ecuacion funcional. Se dene por una ecuaci on o ecuaciones que debe
cumplir, por ejemplo,
f(x +y) = f(x) f(y); f(0) = 1
dene la funci on exponencial f(x) = a
x
, a > 0. Las ecuaciones
f(x y) = f(x) +f(y); f(1) = 0
denen la funci on de tipo logartmico f(x) = log
b
(x); b > 1.
4. Denici on recursiva o por recurrencia. Similar a la anterior, la ecuaci on funcional es una relaci on
de recurrencia o forma recursiva, por ejemplo, si x > 0,
f(x + 1) = x f(x); f(1) = f(2) = 1
tiene la propiedad de que si n es un entero positivo entonces f(n + 1) = n!
Prof. Victor Bernal Pag. 1
1. Denicion de variables aleatorias continuas
Si se tiene un experimento aleatorio E cuyo espacio muestral es S, una funci on X con valores
reales denida sobre S se llama variable aleatoria. Es decir,
X: S R
asigna un n umero real X(s) a cada posible resultado s S.
Ejemplo: Supongamos que se escoge un punto del plano xy de acuerdo con un procedimiento aleato-
rio. El espacio muestral S est a formado por los puntos de la forma s = (x, y). Podemos considerar
las variables aleatorias X, Y , Z que asignan a cada punto s su coordenada x, su coordenada y y
su distancia z al origen, respectivamente. Las deniciones algebraicas son
X(s) = x, Y (s) = y, Z(s) =
_
x
2
+y
2
.
2. Funcion de densidad y funcion de distribucion
Se dice que una variable aleatoria X tiene una distribuci on continua si existe una funci on no
negativa f(x), denida en todo el conjunto R de los reales tal que si A es un intervalo, entonces
P(X A) =
_
A
f(x) dx
La funci on f(x) de llama funci on de densidad de probabilidad de X.
2.1. Propiedades de la funcion de densidad
Si X es una variable aleatoria de distribuci on continua entonces P(X = x) = 0 si x es un
valor particular. Por esta razon, una funci on de densidad se puede redenir en un n umero nito de
puntos de un intervalo sin alterar el valor de la integral sobre dicho intervalo, es decir, sin modicar
las probabilidades referidas a la variable X. En este sentido la funci on de densidad asociada a una
variable X no es unica; de aqu que, preferiblemente, se utilizan funciones de densidad continuas.
Las propiedades que debe satisfacer una funci on de densidad f(x) son,
1. No negativa, es decir, f(x) 0.
2. Consistente con la probabilidad de S, es decir,
_

f(x) dx = 1
Prof. Victor Bernal Pag. 2
Ejemplos:
Ej. 1. Consideremos la funci on f(x) denida por
f(x) =
_
_
_
0 , x 0
1
(1 +x)
2
, x > 0
tambien notada como
f(x) = IF
_
x 0, 0,
1
(1 +x)
2
_
su primera y segunda derivadas f

(x), f(x) y su gr aca (Fig. 1) son:

-0.5 0.5 1 1.5 2
0.2
0.4
0.6
0.8
1 y
x
1
(1 +x)
2
Figura 1: Gr aca - Ejemplo 1.
f

(x) = IF
_
x 0, 0,
2
(x + 1)
3
_
; f(x) = IF
_
x 0, 0,
6
(x + 1)
4
_
En este caso, f(x) cumple las propiedades pues
f(x) =
1
(1 +x)
2
0,
_

0
f(x) dx = lm
a
_
a
0
f(x) dx = lm
a
a
a + 1
= 1
Ej. 2. Consideremos la funci on g(x) denida por
g(x) =
_
_
_
2
3
3

x
, 0 < x < 1
0 , en otro caso
tambien notada como
g(x) = IF
_
0 < x < 1,
2
3x
1
3
, 0
_
su primera y segunda derivadas g

(x), g(x) y su gr aca (Fig. 2) son:

g

(x) = IF
_
0 < x < 1,
2
9x
4
3
, 0
_
g(x) = IF
_
0 < x < 1,
8
27x
7
3
, 0
_
Prof. Victor Bernal Pag. 3
-0.5 0.5 1 1.5
1
2
3
4
y
x
2
3
3

x
Figura 2: Gr aca - Ejemplo 2.
En este caso, g(x) cumple las propiedades pues
g(x) =
2
3
3

x
0,
_
1
0
2
3
3

x
dx = lm
a0
+
_
1
a
2
3
3

x
dx = lm
a0
+
1 a
2
3
= 1
2.2. Funcion de distribucion
La funci on de distribuci on F(x) de una variable aleatoria X es una funci on F : R [0, 1]
denida por:
F(x) = P(X x), < x <
Esta denicion es com un a las variables aleatorias discretas y continuas.
2.3. Propiedades de las distribuciones
Las siguientes propiedades de la funci on de distribuci on F(x) de una variable aleatoria X se
pueden observar en la Figura 3
1. La distribuci on F(x) es mon otona creciente, es decir, si x
1
< x
2
entonces F(x
1
) F(x
2
).
2. Los lmites de la distribuci on en y + son,
lm
x
F(x) = 0, lm
x+
F(x) = 1
3. La funci on de distribuci on es continua por la derecha,
F(x
+
) = lm
yx
+
F(y) = F(x)
Prof. Victor Bernal Pag. 4
-
6
F(x)
x
F(x

)
d
t
F(x
+
)
x
2 x
1
Figura 3: Propiedades de F(x).
2.4. Calculo de probabilidades con F(x)
Para el c alculo de probabilidades con F(x) se utilizan las siguientes propiedades:
1. P(X > x) = 1 F(x).
2. P(x
1
< X x
2
) = F(x
2
) F(x
1
).
3. P(X < x) = F(x

).
4. P(X = x) = F(x
+
) F(x

)
5. F(x) = P(X x) =
_
x

f(t) dt
6. F

(x) =
dF(x)
dx
= f(x)
3. Funciones de una variable aleatoria
Si una variable aleatoria X tiene una funci on de distribuci on continua F(x) y se dene una
variable aleatoria Y como una funci on de X, es decir, Y = h(X), la funci on de distribuci on G(y)
de Y se puede obtener mediante la ecuaci on:
G(y) = P(Y y) = P(h(X) y) =
_
{x:h(x)y}
f(x) dx.
Si la distribuci on de la variable aleatoria Y tiene distribuci on continua, su funci on de densidad se
puede calcular a partir de:
g(y) =
dG(y)
dy
.
Prof. Victor Bernal Pag. 5
En general, no existe un metodo para el c alculo de la nueva funci on de distribuci on, o de densidad,
sin embargo, si la funci on h(X) es estrictamente mon otona, creciente o decreciente, entonces Y
vara en un intervalo (, ) mientras X vara en un intervalo (a, b) (Fig. 4).
-
6
y = h(x)
(
a
)
b

Creciente
-
6
y = h(x)
(
a
)
b

Decreciente
Figura 4: Caso h(x) estrictamente mon otona.
Si X es una variable aleatoria cuya funci on de densidad es f(x) y adem as P(a < X < b) = 1,
entonces si Y = h(X) y h(x) es continua y estrictamente creciente, o estrictamente decreciente de
tal forma que x (a, b) si y s olo si y (, ) y X = h
1
(Y ), la funci on de densidad g(y) se calcula
mediante:
g(y) =
_

_
f(h
1
(y))

dh
1
(y)
dy

, < y < ,
0 en otro caso.
4. Esperanza de una variable aleatoria
Si una variable aleatoria X tiene una distribuci on continua cuya funci on de densidad es f(x),
entonces la Esperanza de X, notada E(X) (,
X
) se dene por:
E(X) =
_

xf(x) dx
La condici on matematica para la existencia de E(X) es la convergencia absoluta de la integral que
la dene, es decir, E(X) existe, si y s olo si, existe la integral
_

|x|f(x) dx.
Aunque se puede establecer una similitud entre la esperanza de una variable aleatoria y el concepto
fsico de centro de gravedad, una funci on de densidad f(x) no necesariamente tiene una esperanza.
Supongamos que una variable aleatoria X tiene una funci on de densidad f(x) denida por:
f(x) =
1
(1 +x
2
)
, < x <
Prof. Victor Bernal Pag. 6
Esta distribuci on se conoce como Distribuci on de Cauchy. La funci on de densidad es simetrica (ver
gr aca) y E(X) debera ser 0, pero la integral planteada para determinar si existe E(X) es:
_

|x|f(x) dx =
2

_

0
x
1 +x
2
dx =
-3 -2 -1 1 2 3
-0.15
-0.1
-0.05
0.05
0.1
0.15
x
(1 +x
2
)
x
y
Por otra parte, si existen a y b con < a < b < , tales que P(a X b) = 1, entonces se
puede asegurar la existencia de E(X).
4.1. Esperanza de una funcion
Si X es una variable aleatoria con funci on de densidad f(x), entonces la esperanza (media, valor
esperado) de una funci on Y = h(X) se puede evaluar sin encontrar la funci on de densidad g(y) de
Y . El valor E(h(X)) se calcula por:
E(h(X)) =
_

h(x)f(x) dx =
_

yg(y) dy
La esperanza E(h(X)) existe, si y s olo si, se cumple
_

|h(x)|f(x) dx <
4.2. Propiedades de la esperanza
Las principales propiedades de la esperanza son:
1. Si Y = aX +b con a y b constantes, entonces
E(Y ) = aE(X) +b
2. Si a es una constante tal que P(X a) = 1, entonces E(X) a.
3. Si b es una constante tal que P(X b) = 1, entonces E(X) b.
Prof. Victor Bernal Pag. 7
4. Si X
1
, X
2
, . . . , X
n
son variables aleatorias con esperanzas E(X
1
), . . . , E(X
n
), entonces
E(X
1
+X
2
+. . . , X
n
) = E(X
1
) +E(X
2
) + +E(X
n
)
De las anteriores propiedades se deduce que si a y b son tales que P(a X b) = 1, entonces
a E(X) b.
4.3. Varianza, desviacion tpica y propiedades
Si X es una variable aleatoria con media = E(X), la varianza de X, notada Var(X), (
2
,

2
X
) se dene como sigue:
Var(x) = E((X )
2
)
Como la varianza es la media de una variable aleatoria no negativa, entonces Var(X) 0. Las
propiedades mas importantes de la varianza son:
1. Var(X) = 0 si, y s olo si, existe una constante c tal que P(X = c) = 1.
2. Si a y b son constantes,
Var(aX +b) = a
2
Var(X)
3. Var(X) = E(X
2
) (E(X))
2
5. Funcion generadora de momentos
Si X es una variable aleatoria, se dene para cada n umero real t,
m
X
(t) = E(e
tX
)
La funci on m
X
(t) se llama funci on generadora de momentos de X. Se puede demostrar que las
derivadas m
(n)
X
(t) de esta funci on satisfacen la relaci on:
m
(n)
X
(0) =
_
d
n
dt
n
E(e
tX
)
_
t=0
= E
__
d
n
dt
n
e
tX
_
t=0
_
= E((X
n
e
tX
)
t=0
) = E(X
n
)
6. Ejercicios
1. Si una variable aleatoria X tiene una funci on de densidad f(x) denida por:
f(x) =
_
_
_
4
3
(1 x
3
) , 0 < x < 1,
0 en otro caso.
Prof. Victor Bernal Pag. 8
Calcular las siguientes probabilidades:
P(X < 1/2) P(1/4 < X < 3/4) P(X > 1/3)
2. Si una variable aleatoria X tiene una funci on de densidad f(x) denida por:
f(x) =
_
_
_
1
36
(9 x
2
) 3 x 3
0 en otro caso
Calcular las siguientes probabilidades:
P(X < 0) P(1 X 1) P(X > 2)
3. Si una variable aleatoria X tiene una funci on de densidad f(x) denida por:
f(x) =
_
cx
2
1 x 2
0 en otro caso
a) Calcular el valor de la constante c.
b) Calcula el valor P(X > 3/2).
4. Si una variable aleatoria X tiene una funci on de densidad f(x) denida por:
f(x) =
_
_
_
1
8
x 0 < x < 4
0 en otro caso
a) Calcular el valor t para el que P(X t) = 1/4.
b) Calcular el valor t para el que P(X t) = 1/2.
5. Si una variable aleatoria X tiene una funci on de densidad f(x) denida por:
f(x) =
_
ce
2x
x > 0
0 en otro caso
a) Calcular el valor de la constante c.
b) Calcular el valor P(1 < X < 2).
6. Demostrar que no existe un valor c que convierta en funci on de densidad a la funci on f(x)
denida por:
f(x) =
_
_
_
c
1 +x
, x > 0
0 en otro caso
Prof. Victor Bernal Pag. 9
7. Si se escoge, completamente al azar, un n umero real X del intervalo [2, 10]
a) Encontrar la funci on de densidad f(x) y calcular el valor P(a X b) si [a, b] [2, 10].
b) Calcular P(X > 5), P(5 < X < 7) y P(X
2
12X + 35 > 0).
8. Si se escoge, de manera aleatoria, un n umero real X del intervalo [2, 10] con una densidad
f(x) de la forma
f(x) = Cx, C constante
a) Calcular C.
b) Calcular P(a X b) si [a, b] [2, 10].
c) Calcular P(X > 5), P(X < 7) y P(X
2
12X + 35 > 0).
d) Rehacer los c alculos anteriores si ahora f(x) = C/x.
9. Se lanza un dardo a un blanco circular de radio 10 cm. Si siempre se da en el blanco pero el sitio
de impacto se puede considerar seleccionado completamente al azar, calcular la probabilidad
de que el impacto se produzca,
a) A menos de 2 cm. del centro.
b) A menos de 2 cm. del borde.
c) en el primer cuadrante del blanco.
d) En el primer cuadrante y a menos de 2cm. del borde.
&%
'$
&%
'$
&%
'$
&%
'$

(a) (b)
(c)
(d)
10. Suponga que una bombilla nueva dura t horas, con t seleccionado de acuerdo con la funci on
de densidad
f(t) = e
t
.
El valor se llama tasa de falla de la bombilla.
a) Si = 0.01, calcular la probabilidad de que una bombilla dure al menos T horas. Esta
probabilidad se denomina conabilidad de la bombilla.
b) Calcular el valor T cuya conabilidad es 1/2.
Prof. Victor Bernal Pag. 10
11. Un bombardero lleva tres bombas para destruir una carretera. Si la bomba cae a menos de
40 metros de la carretera, la explosi on afecta la va y el tr ansito se interrumpe. La mira laser
enva la bomba una distancia X de la carretera cuya densidad f(x) es:
f(x) =
_

_
100 +x
10000
; 100 < x < 0
100 x
10000
; 0 x < 100
Si se utilizan las tres bombas, calcular la probabilidad de que la carretera resulte inutilizada.
Si otra opcion es llevar ocho bombas m as livianas cuya efectividad est a limitada a s olo 15
metros de la carretera, decidir si esta opci on es mejor que la anterior.
12. Una variable aleatoria X tiene densidad f(x) = x/2 en el rango 0 < x < 2. Se toma una
muestra de tama no 2. Calcular la probabilidad de que ambos valores sean mayores que 1.
Si la muestra es de orden 3, calcular la probabilidad de que al menos 2 de los valores sean
mayores que 1.
13. Calcular la funci on generadora de momentos de la variable aleatoria X si su funci on de
densidad es f(x) = a e
ax
, x > 0, y utilizarla para calcular la media y la varianza de X.
14. Si X es una variable aleatoria cuya distribuci on es F(x) = x
3
, 0 x 1. Calcular (a)
P(X 1/2), (b) f(x). (c) E(X).
15. Para determinar el grado de inteligencia se mide el tiempo que tarda un rat on en recorrer un
laberinto para encontrar la comida (estmulo). El tiempo (en segundos) que emplea un rat on
es una variable aleatoria X con una funci on de densidad f(x) = b/x
2
, x b, donde b es el
tiempo mnimo necesario para recorrer el laberinto.
(a) Demostrar que f(x) es una funci on de densidad. (b) Calcular F(x). (c) Si c > 0, calcular
P(X > b +c).
16. Una variable aleatoria X tiene densidad f(x) = 2x en 0 < x < 1, calcular las probabilidades:
P(X < 1/2), P(1/4 < X < 1/2), P(X > 3/4), P(X > 3/4 | X > 1/2).
17. Si X es una variable aleatoria cuya densidad es f(x) = c/x
4
en el rango x > 1, calcular los
valores: c,
X
y
2
X
.
18. Si X tiene densidad f(x) = cx(1 x) en 0 < x < 1, calcular los valores: c, P(X 1/2),
P(X 1/3), P(1/3 < X < 1/2),
X
y
2
X
.
19. Si X tiene densidad f(x) = cx
2
(1 x)
2
en 0 < x < 1, calcular los valores: c,
X
y
2
X
.
Prof. Victor Bernal Pag. 11
20. Si X es una variable aleatoria cuya densidad es
f(x) =
1
2(1 +|x|)
2
, < x <
Gracar f(x), calcular P(1 < X < 2), P(|X| > 1) y decidir si
X
existe.
21. Denir una densidad utilizando f(x) = x(2x) en el rango 0 < x < 2. Calcular P(a < X < b)
en los casos: 0 < a < b < 2 y a < 0 < b < 2.
22. Si f(x) = 4x
3
cuando 0 < x < 1, comprobar que f(x) es una densidad y calcular el valor a
tal que P(X a) = P(X a). Calcular el valor b tal que P(X > b) = 0.05.
23. Una variable aleatoria X tiene densidad f(x) = (1/2)e
|x|
en < x < . Calcular el valor
x
0
para el que F(x
0
) = 0.9.
24. La vida, en horas, de un componente electrico es una variable aleatoria cuya densidad es
f(x) = 100/x
2
en el rango x > 100. Calcular la probabilidad de que tres de estos componentes
sean reemplazados en las primeras 150 horas de funcionamiento.
25. Una maquina produce tornillos cuyos di ametros obedecen la distribuci on
f(x) = K(x 0.24)
2
(x 0.26)
2
en el rango 0.24 < x < 0.26. K es el valor necesario para que la integral de f(x) sobre el
rango sea 1. Los tornillos se descartan si sus di ametros se desvan de 0.25 en m as de 0.008.
Calcular el porcentaje de producci on que se descarta.
26. Un remoto surtidor de gasolina s olo puede ser atendido una vez por semana. Su volumen
semanal de ventas, en miles de litros, es una variable aleatoria X cuya densidad es f(x) =
5(1 x)
4
, en el rango 0 < x < 1. Cu al debe ser la capacidad mnima de almacenamiento
si se quiere un 99 por ciento de seguridad de que en cualquier semana no se agotar an las
existencias.
27. Si la densidad de X es f(x) = (1 + x)/2 en el rango 1 < x < 1, calcular la densidad de
Y = X
2
.
28. Si X tiene densidad f(x) en el rango x > 0 y a > 0, calcular la densidad de Y = aX
2
+b.
29. Suponga que el radio X de un crculo es una variable aleatoria cuya densidad es f(x) =
(1/8)(3x +1) en el rango 0 < x < 2. Si Y es el area del crculo, determinar su densidad g(y).
30. Si X es una variable aleatoria cuya densidad es f(x) = 2e
2x
en el rango x > 0, determinar
h(x) para que variable aleatoria Y = h(X) tenga una densidad constante g(y) = 1/5 en [0, 5].
Prof. Victor Bernal Pag. 12
31. La funci on generadora de momentos m
X
(t) de X es m
X
(t) = (1/4)(3e
t
+ e
t
). Calcular
X
y
2
X
.
32. Si m
X
(t) es la funci on generadora de momentos de la variable aleatoria X y se dene Y =
aX + b, con a, b constantes, demostrar que m
Y
(t) = e
bt
m
X
(at). Si X tiene densidad f(x) =
e
x
, x > 0, encontrar m
Y
(t) si Y = 3 2X.
7. Respuestas
1. P(X < 1/2) = 31/48, P(1/4 < X < 3/4) = 9/16, P(X > 1/3) = 136/243.
2. P(X < 0) = 1/2, P(1 X 1) = 13/27, P(X > 2) = 2/27.
3. c = 3/7, P(X > 3/2) = 37/56.
4. (a) t = 2, (b) t = 2

2.
5. c = 2, P(1 < X < 2) = e
4
(e
2
1) 0.1170196443.
6. lm
b
_
b
0
c/(1 +x) dx = lm
b
c(ln b + 1) no existe.
7. f(x) = 1/8, P(a X b) = (b a)/8, P(X > 5) = 5/8, P(5 < X < 7) = 1/4, P(X
2

12X + 35 > 0) = P((X 5)(X 7) > 0) = 3/4.

8. c = 1/48, P(X > 5) = 25/32, P(X < 7) = 15/32, P(a X b) = (b
2
a
2
)/96, P(X
2

12X + 35 > 0) = P((X 5)(X 7) > 0) = 3/4.

c = 1/ ln(5), ln(7/2)/ ln(5) 0.77838534, ln(7/10)/ ln(5) 0.2216146, ln(7/25)/ ln(5)
0.790938.
9. (a) 1/25, (b) 9/25, (c) 1/4 (d) 9/100.
10. e
T/100
, T = 100 ln(2) 69.31471805
11. 16/25, 1 (9/25)
3
= 14896/15625 0.953344, 1 (289/400)
8
0.9257489137.
12. 1/16, 5/32.
13. a/(a t), = 1/a,
2
= 1/a
2
.
14. (a) P(X 1/2) = 1 F(1/2) = 7/8, (b) f(x) = 3x
2
, (c) E(X) = 3/4.
15. F(x) = b((1/b) (1/x)), P(X > b +c) = c/(b +c)
Prof. Victor Bernal Pag. 13
16. P(X < 1/2) = 1/4, P(X > 3/4) = 7/16, P(1/4 < X < 1/2) = 3/16,
P(X > 3/4 | X > 1/2) = 7/12.
17. c = 3, = 3/2,
2
= 3/4.
18. c = 6, P(X 1/2) = 1/2, P(X 1/3) = 7/27, P(1/3 < X < 1/2) = 13/54, = 1/2,

2
= 1/20.
19. c = 30, = 1/2,
2
= 1/28.
20. P(1 < X < 2) = 7/12, P(|X| > 1) = 1/2, No existe.
21. f(x) = kx(2x), k = 3/4, P(a < X < b) = (1/4)(ab)(a
2
+b
2
+ab3a3b), 0 < a < b < 2,
P(a < X < b) = (1/4)b
2
(3 b), a < 0 < b < 2.
22. a = 2
3/4
/2 0.8408964152, b = 9500
1/4
/10 0.9872585449.
23. x
0
= ln(5) 1.609437912.
24. (1/3)
3
= 1/27.
25. K = 9375 10
6
= 9375000000, 1 6143/6250 = 107/250 0.01712.
26. Capacidad =0.6018928294 (601.89 litros)
27. G(y) =

y, g(y) = 1/(2

y), 0 < y < 1.

28. g(y) =
_

(yb)/a
0
f(x) dx, y > b
29. G(y) =
_
2

+ 3

y
_

y
16
, g(y) =

+ 3

y
16

y
.
30. h(X) =
_
1 +e
X
_ _
1 +e
X
_
e
2 X
Prof. Victor Bernal Pag. 14