5 Variables aleatorias contnuas

Una variable aleatoria continua puede tomar cualquier valor en un intervalo

de nmeros reales..
Funcin de densidad. La funcin de densidad de una variable aleatoria
continua es una funcin , que cumple
,(r) 0.
Z
1
1
,(r)dr = 1. (11)
(comparar con (6)) y para todo c < /
1(/) 1(c) = 1(c < A /) =
Z
b
o
,(r)dr. (12)
Entonces es evidente que para una variable aleatoria continua:
1(c < A < /) = 1(c A /)
La relacin entre la funcin de densidad y la funcin de distribucin est
dada por:
1(r) = 1(A r) =
Z
a
1
,()d.
de donde se deduce que la funcin de distribucin de una variable aleatoria
continua, es una funcin continua en todas partes; y que la funcin de den-
sidad es la derivada de la funcin de distribucin, en todos los puntos en los
que esta ltima sea derivable:
,(r) =
d1(r)
dr
.
5.1 Parmetros de una variable aleatoria continua
La esperanza o media de una variable continua con funcin de densidad ,. es
EA =
Z
1
1
r,(r)dr.
cuando esta integral est denida.
27
Si A es una variable aleatoria continua con densidad , y / es una funcin
cualquiera, /(A) es una variable aleatoria cuya esperanza se calcula como:
E/(A) =
Z
1
1
/(r),(r)dr
cuando esta integral est denida.
La propiedad de linealidad del valor esperado tambin vale para variables
aleatorias continuas, as como la denicin y propiedades de la varianza, y
de la desviacin tpica.
Para variables aleatorias continuas se denen los cuantiles de la siguiente
forma, para cualquier 0 < c < 1. el cuantil -c, es el valor r(c). tal que
1(r(c)) = 1(A r(c)) =
Z
a(c)
1
,(r)dr = c
En particular, el cuantil -0.5 se llama mediana y es el valor e j, tal que:
1(e j) =
Z
e j
1
,(r)dr = 1,2
Ejemplo 5.1 Sea X una v. a. con densidad dada por:
,(r) =
0.2 si 1 r 0
0.2 +cr si 0 < r 1
0 en caso contrario
Obtener 1(r)
Gracar ,(r) y 1(r)
Calcular 1(1), 1(0) y 1(1)
Calcular 1(0 A 0.5)
Ejemplo 5.2 Sea A una v.a. con la siguiente funcin de distribucin:
,(r) =
0 si r < 0
r,8 si 0 r < 2
r
2
,16 si 2 r 4
1 si r 4
Obtener la funcin de densidad para A
Calcular 1(1 A 3)
Calcular 1(A 1.5)
Realice los ejercicios de 1 a 5
28
5.2 Distribucin uniforme
Veamos un ejemplo muy simple: supongamos que una persona toma un
colectivo para ir al trabajo, que pasa exactamente cada 5 minutos. Si sale
de su casa sin tener en cuenta la hora, el tiempo A, que tiene que esperar
en la parada es una variable aleatoria que puede tomar cualquier valor en el
intervalo [0. 5], la funcin de densidad para esta variable es:
,(r) =
1,5 si rc [0. 5]
0 en otro caso
Es evidente que ,(r) 0, para todo r; y que el rea total bajo ,(r) es
igual a 1.
La probabilidad de que tenga que esperar entre 1 y 3 minutos es:
1(1 A 3) =
R
3
1
1
5
dr =
2
5
Se dice que esta variable aleatoria tiene distribucin uniforme en el inter-
valo [0,5]
En general se dice que una variable aleatoria tiene distribucin uniforme
en el intervalo [a,b] (A s l[c. /]), si su funcin de densidad est dada por:
,(r) =
1
bo
si rc[c. /]
0 en otro caso
esta funcin cumple: ,(r) 0 para todo r; y
R
1
1
,(r)dr = 1.
Calculemos la media y varianza de una variable aleatoria con distribucin
uniforme en [a,b].
EA =
Z
1
1
r,(r)dr =
Z
b
o
r
/ c
dr =
1
/ c
/
2
c
2
2
=
/ + c
2
entonces la media de una distribucin uniforme es el punto medio del inter-
valo. Para calcular la varianza, calculamos primero
EA
2
=
Z
1
1
r
2
,(r)dr =
Z
b
o
r
2
/ c
dr =
1
/ c
/
3
c
3
3
=
c
2
+ c/ + /
2
3
entonces
var(A) = EA
2
(EA)
2
=
c
2
+ c/ + /
2
3

(/ + c)
2
4
=
(/ c)
2
12
29
La funcin de distribucin est dada por:
0 si r < c
1(r) =
ao
bo
si rc[c. /]
1 si r /
Para calcular la mediana e j. podemos hacer:
1(e j) =
e j c
/ c
= 1,2
y despejando:
med(A) = e j =
/ + c
2
en este caso la mediana y la media coinciden. Esto ocurre siempre que la
distribucin es simtrica.
5.3 Distribucin exponencial
Veamos otro ejemplo de variable aleatoria continua. Pensemos en un proceso
temporal de Poisson, y consideramos el tiempo 1 transcurrido entre la pre-
sentacin de dos eventos sucesivos. Ese tiempo 1, es una variable aleatoria
que puede tomar cualquier valor no negativo, y puede demostrarse que tiene
funcin de densidad dada por:
,(r) =
`c
Aa
si r 0
0 si r 0
y se dice que tiene distribucin exponencial con parmetro ` (A v c(`)),
donde ` es el valor medio del nmero de eventos por unidad de tiempo.
Su funcin de distribucin est dada por:
1(t) =
Z
t
1
,(r)dr =
1 c
At
si t 0
0 si t 0
Ejemplo 5.3 Supongase que se reciben llamadas en una lnea telefnica de
emergencias las 24 hs del da, segn un proceso de Poisson con una tasa 0.5
llamadas por hora. Cul es la probabilidad de que transcurran ms de dos
horas entre dos llamadas sucesivas?
30
La variable aleatoria 1. el tiempo (medido en horas) entre dos llamados
sucesivos, tiene distribucin exponencial con ` = 0.5. Entonces:
1(1 2) = 1 1(1 2) = 1 (1 c
0.52
) = 0.3679
La media y varianza de una variable exponencial ` estn dadas por:
E1 =
1
`
; var(1) =
1
`
2
Para calcular la mediana e j
1(e j) = 1 c
Ae j
= 1,2
luego
med(1) = e j =
ln 2
`
en este caso puede verse que la mediana es menor que la media.
Realice los ejercicios de 6 a 9
5.4 La distribucin normal
La distribucin normal tpica (o normal N(0. 1)) tiene densidad
,(.) =
1
p
2:
c
:
2
2
se puede ver que esta funcin es simtrica respecto de 0
Si 2 tiene esta distribucin, entonces se prueba que
E2 = 0. var(2) = 1
Llamamos (.) a su funcin de distribucin; entonces para todo c < /.
1(c 2 /) = (/) (c).
Por ser , simtrica, la cumple
(.) = 1 (.). (13)
31
Las tablas de suelen incluir slo las . 0. y los valores para . < 0 se
obtienen usando (13).
Por ejemplo, se obtiene de la tabla que (1.02) = 0.8461. Para calcular
(1.02) se hace 1 0.8461 = 0.1539.
Se deduce de (13) que los cuantiles de la N(0. 1) cumplen
.(1 c) = .(c). (14)
y en particular la mediana
med(2) = e j = .(0.5) = 0.
La variable A tiene distribucin normal con media j y varianza o
2
(que
se indica N(j. o
2
)) si su funcin de densidad est dada por:
,(r) =
1
p
2:o
c
(aj)
2
2o
2
puede verse que la grca de esta funcin es simtrica respecto de j.
Tambin puede demostrarse que si A s N(j. o
2
), entonces:
1(A) = j , \ (A) = o
2
Importante: La familia de distribuciones normales tiene la siguiente
propiedad: si A s N(j. o
2
), entonces para cualquier c 6= 0 y cualquier /, se
verica que 1 = cA + / s N(cj + /. c
2
o
2
)
Entonces, variable normalizada 2 = (Aj),o tiene distribucin N(0. 1).
O sea que
A s N(j. o
2
) si A = j + o2 donde 2 s N(0. 1). (15)
Ejemplo 5.4 Sea A s N(30. 4), se desea calcular 1(28 < A < 31).
1(28 < A < 31) = 1((28 30),2 < (A 30),2 < (31 30),2) =
= 1(1 < 2 < 1,2) = (0.5) (1) = (0.5) (1 (1)) =
= 0.6915 (1 0.8413) = 0.5328
32
En general, para calcular probabilidades correspondientes a una A con
distribucin N(j. o
2
). se la lleva al caso N(0. 1), trabajando con 2 = (A
j),o. Su funcin de distribucin es entonces
1(r) = 1(A r) = 1

2
r j
o

r j
o

.
y por lo tanto, si c < / :
1(c A /) = 1(/) 1(c) =

/ j
o

c j
o

.
De aqu se puede ver que para cualquier variable aleatoria A con dis-
tribucin normal, la probabilidad de que A est dentro de 1 desvo estndar
de su media es:
1(j o < A < j + o) = (1) (1) = 0.6826
1(j 2o < A < j + 2o) = (2) (2) = 0.9544
y 1(j 3o < A < j + 3o) = (3) (3) = 0.9974
Usando (15), se prueba que los cuantiles de una variable A con distribu-
cin N(j. o
2
) cumplen
r(c) = j + o.(c). (16)
donde .(c) son los cuantiles de N(0. 1).
En particular, la mediana de una A s N(j. o
2
) es
med(A) = r(0.5) = j
Ejemplo 5.5 Calcularemos los cuantiles de 0.80 y de 0.20 de una variable
normal A con media 5 y desviacin 2. De la tabla: (0.84) = 0.7995 y
(0.85) = 0.8023. Interpolando resulta aproximadamente .(0.8) = 0.843. y
por lo tanto r(0.8) = 5 + 2 0.843 = 6.686. Para el otro cuantil, usamos
.(0.2) = .(0.8) y por lo tanto r(0.8) = 5 2 0.843 = 3.314.
Realice los ejercicios de 10 a 14
Realice el resto de los ejercicios
33
Prctica 3
1. Sea A una variable aleatoria con densidad dada por:
,(r) =
c(2 r) si 0 r 2
0 en caso contrario
(a) Determinar el valor de c y gracar ,(r)
(b) Obtener y gracar 1(r)
(c) Calcular 1(1 A 2)
(d) Calcule 1(A) y \ (A)
(e) Sea 1 = 2A + 3, cul es la 1(1 )?
(f) Calcular el 80-percentil. (el cuantil-0.80)
2. Sea A una variable aleatoria con densidad dada por:
,(r) =
/r
3
si 0 r 1
0 en caso contrario
(a) Hallar la constante /, y gracar
(b) Calcular la funcin de distribucin 1(r) y gracar.
(c) Usando la 1(r), calcular 1(0.5 < A < 0.75)
(d) Calcular 1(A) y \ (A)
(e) Calcular la mediana.
(f) Sea 1 = 1,A, calcular 1(1 )
3. El tiempo de vida, en horas, de cierto tipo de tubo de radio es una
variable aleatoria que tiene funcin de densidad dada por
,(r) =
0 si r 100
100,r
2
si r 100
(a) Vericar que sta es una funcin de densidad.
(b) Calcular la probabilidad de que uno de esos tubos deba ser reem-
plazado antes de las 150 horas de operacin
(c) Puede calcular la media del tiempo de vida de estos tubos?
34
(d) Puede calcular la mediana del tiempo de vida de estos tubos?
(e) Determinar el valor tal que el tiempo de vida del 90% de los tubos
de radio de ese tipo sea inferior a ese valor (el 90-percentil )
4. Sea A la temperatura a que tiene lugar cierta reaccin qumica, y sea
su densidad:
,(r) =
1
9
(4 r
2
) si 1 r 2
0 en otro caso
(a) Gracar ,(r)
(b) Hallar la funcin de distribucin y gracarla
(c) Es 0 la temperatura mediana a que se realiza la reaccin qumica?.
Si no es as, la temperatura mediana es menor o mayor que 0?
(d) Suponga que esta reaccin qumica se realiza en 10 laboratorios
en forma independiente, y que la funcin de densidad de la tem-
peratura de reaccin es la misma en cada laboratorio. Sea 1 el
nmero entre estos 10 laboratorios en los que la temperatura de
la reaccin es superior a 1. Qu distribucin tiene esta variable
aleatoria?
5. Para ciertas muestras de minerales, la proporcin de impurezas por
muestra es una variable aleatoria Y, con densidad dada por:
,() =
(3,2)
2
+ si 0 1
0 en caso contrario
El valor de cada muestra es l = 5 0.51 . Encontrar 1(l) y \ (l)
6. Suponga que la temperatura de reaccin X (en
c
C) de un cierto proceso
qumico tiene una distribucin uniforme en [70; 95]. Calcular:
(a) 1(A < 80), (b) 1(75 < A < 90)
7. Un artculo sugiere que la profundidad (cm) de la capa de bioturbacin
del sedimento, puede modelarse como una variable aleatoria con dis-
tribucin uniforme en el intervalo (7. 5; 20).
(a) Cules son la media y la varianza de la profundidad?
(b) Cul es la probabilidad de que la profundidad observada sea a lo
sumo 10?Entre 10 y 15?
35
(c) Cul es la probabilidad de que la profundidad observada est
dentro de 1 desvo estndar del valor medio?
8. La duracin de cada operacin que realiza cierta mquina puede repre-
sentarse mediante una v.a. uniforme de media 10 segundos y varianza
3 seg2. Cuntos segundos tarda como mnimo, el 75% de las veces?
9. Supongamos que el tiempo de funcionamiento de una lmpara est
exponencialmente distribuida con media 10. Supongamos que una per-
sona entra en una habitacin donde hay una lmpara encendida.
(a) Cul es la probabilidad de que la lmpara dure menos de 6 horas?
(b) Cul es la probabilidad de que no se funda la bombilla si la
persona desea trabajar 5 horas?
(c) Cul es la probabilidad de que dure entre 4 y 8 horas?
10. Sea A el tiempo (en minutos) entre dos llegadas sucesivas a un servicio
de emergencias. Si A tiene distribucin exponencial con ` = 0. 125.
Calcular:
(a) El tiempo esperado entre dos llegadas sucesivas.
(b) La probabilidad de que el tiempo entre dos llegadas sea menor de
10 minutos
11. Cierto mdico invierte 15 minutos, por trmino medio, en atender a un
paciente. Sabiendo que la duracin de la consulta sigue una distribucin
exponencial y que atiende durante 2 horas, cul es el nmero mximo
de pacientes que podr atender con probabilidad 0. 90?
12. La variable 1 tiene distribucin normal tpica. Calcular las probabili-
dades de (a) 1 2. 23, (b) 1 1. 35, (c) 0. 51 < 1 < 1. 54
13. Calcular:
(a) la mediana y los cuartiles de una variable con distribucin normal
tipica
(b) Idem, para la distribucin N(10; 36)
(c) Para esta ltima, calcular los percentiles del 10% y del 90%.
36
14. En determinada poblacin la presin arterial diastlica entre mujeres
de 18 a 74 aos se encuentra distribuida normalmente con una media
de j = 77 mmHg y una desviacin estndar de o = 11. 6 mmHg
(a) Cul es la probabilidad de que una mujer elegida al azar tenga
una presin arterial diastlica menor de 60 mmHg?
(b) Cul es la probabilidad de que tenga una presin diastlica mayor
de 90 mmHg?
(c) Cul es la probabilidad de que tenga una presin diastlica entre
60 y 90 mmHg?
15. Una fbrica produce tornillos, las especicaciones indican que el dimetro
de los mismos debe estar entre 1. 19 y 1. 21 pulgadas. Si el proceso de
produccin es tal que el dimetro de los tornillos es una variable aleato-
ria con distribucin normal con media 1. 196 y desviacin estandar
0. 005. Qu porcentaje de la produccin no satisface las especica-
ciones?
16. Un sistema consta de 5 componentes idnticos conectados en serie.
Cuando falla uno de los componentes, falla todo el sistema. Suponga
que cada componente tiene una duracin que est distribuida exponen-
cialmente con ` = 0. 01 y que dicha duracin es independiente para
cada componente. Dena
i
={i-simo componente dura por lo menos
t horas}, i = 1. .... 5 (estos
i
son eventos independientes). Sea A = el
tiempo en que falla el sistema (esto es la duracin ms breve entre las
cinco componentes)
(a) El evento (A t), es equivalente a qu evento donde aparecen
las
i
?
(b) Por medio de la independencia de las
i
, calcule 1(A t). Luego
obtenga 1(t) = 1(A t) y la densidad de A
17. La demanda semanal de gas propano (en miles de galones) es una
varable aleatoria X con densidad dada por:
,(r) =
2(1 1,r
2
) si 1 r 2
0 en caso contraio
(a) Calcular la funcin de distribucin.
37
(b) Calcular la mediana.
(c) Calcular 1(A) y \ (A)
(d) Si al principio de la semana hay 2300 galones en existencia y no
se recibe nuevo suministro durante la semana, cuntos galones se
espera que queden al terminar la semana?
18. Se ha estudiado el volumen corpuscular medio eritrocitario (VCM) en
pacientes con posible diagnstico de anemia ferropnica como indicador
de esta patologa, el verdadero diagnstico se establece con biopsia de
mdula osea. Para simplicar, suponemos que los valores de VCM en la
poblacin siguen ua distribucin normal. En una poblacin de pacientes
con diagnstico conrmado de anemia ferropnica se ha estimado j =
73 y o = 6. 1. En una poblacin donde se ha descartado ese diagnstico
se ha estimado j = 82 y o = 5. 9. Si se utilza un valor del VCM inferior
a 75, para diagnosticar anemia ferropnica.
(a) Cul es la sensibilidad de este mtodo? Esto es: cul es proba-
bilidad de diagnosticar correctamente un paciente que tiene ane-
mia ferropnica? Cul es la probabilidad de un falso positivo?
(b) Cul es la especicidad? Esto es la probabilidad de clasicar
correctamente a un paciente sin anemia ferropnica Cul es la
probabilidad de un falso negativo?
(c) Cmo cambiaran esos valores si el valor de corte fuera 80, y si
fuera 85?
19. Considere una variable aleatoria A con media j y desviacin estndar
o. y sea q(A) una funcin de A. esta es una variable aleatoria, buscare-
mos una forma de aproximar su media y su varianza. La aproximacin
de la serie de Taylor a q(A) en un entorno de j es:
q(A) ' q(j) + q
0
(j)(A j) (17)
El lado derecho de esta ecuacin es una funcin lineal de A. Si la
distribucin de A est concentrada en un intervalo sobre el que la
funcin g sea aproximadamente lineal, entonces (17) puede usarse para
aproximar los valores de 1(q(A)) y \ (q(A))
(a) Encuentre las expresiones para estas aproximaciones.
38
(b) Si el voltaje en un medio es jo, pero la corriente 1 es aleatoria,
entonces la resistencia (1 = ,1) tambin ser aleatoria. Si j
1
=
20 y o
1
= 0.5, calcule los valores aproximados de j
1
y o
1
.
(c) La absorbancia c de una solucin es el el negativo del logaritmo
(decimal) de su transmitancia t, c = log t. Se tiene una medicin
de t con error, representada por una variable aleatoria A con
media t y desviacin o. de modo que la absorvancia tambin es
una variable aleatoria representada por 1 = log A. Si t = 0.501
y o = 0.001. calcular la desviacin estndar de 1 (el error en la
medicin de la absorvancia)
39