Академический Документы
Профессиональный Документы
Культура Документы
VARIABLE ALEATORIA
CONTINUA
Profesor
Abraham Gmez Avalos
1
VARIABLE ALEATORIA CONTINUA
Las variables aleatorias continuas son aquellas que
toman un nmero infinito de valores, podemos
decir que vienen de procesos que se miden.
Definicin
X es una variable aleatoria continua si existe una
funcin f(x) llamada funcin de densidad de
probabilidad (fdp) de la V.A. X, que satisface las
siguientes condiciones:
f(x) 0
}
=1 ) ( dx x f
2.
1.
2
El clculo de una probabilidad de una variable
aleatoria continua se hace con:
Si a y b son dos valores tales que -< a < b <
entonces
}
= s s
b
a
dx x f b x a P ) ( ) (
Para una variable aleatoria continua, las probabilidades
se representan por medio del rea bajo la curva de la
funcin de densidad de probabilidad.
x
y
ab
a
b
P( a x b )
x
y
a b
3
Una consecuencia de la descripcin probabilstica de la
VA continua X, es que para cualquier valor especfico x
0
de X se tiene que:
Como resultado de lo anterior
}
= = =
0
0
0 ) ( ) (
0
x
x
dx x f x X P
P( a x b ) = P( a < x < b )
FUNCIN DE DISTRIBUCIN ACUMULADA
Definicin
Si X es una V.A. Continua con funcin de densidad de
probabilidad f(x), entonces la funcin de distribucin de
probabilidad acumulada de la V.A. X se denota y define
como:
}
= s =
x
dt t f x X P x F ) ( ) ( ) (
4
FUNCIN DE DISTRIBUCIN ACUMULADA
Y de lo anterior, definimos:
P(a < x < b)=F(b)-F(a)
PROPIEDADES DE LA FUNCIN DE DISTRIBUCIN
ACUMULADA
Teorema
Si F(x) es la funcin de distribucin de probabilidad
acumulada entonces:
1)
2)
3)
0 ) ( =
x F lm
x
1 ) ( =
x F lm
x
) ( ) (
2 1 2 1
x F x F x x Si s <
5
EJEMPLO DE VARIABLE ALEATORIA CONTINUA
Si la funcin de densidad de probabilidad de una V.A.
continua X esta dada por:
a) Hallar el valor de k que hace una funcin de densidad
de probabilidad.
b) Obtenga F(x).
c) Calcular P(0.2 <x<1.2).
d) Calcular P(x<0.8).
s s
< <
=
valor otro cualquier en
x si kx
x si kx
x f
, 0
2 1 , 2
1 0 ,
) (
a) k=1
b)
c) 0.66
d) 0.32
6
VALOR ESPERADO DE UNA V.A. CONTINUA
Definicin
El Valor Esperado de una V.A.C. X con funcin de
densidad de probabilidad f(x) se define como:
Siempre que la integral exista (<)
VARIANZA DE UNA V.A. CONTINUA
Definicin
El varianza de una V.A.C. X se define como sigue:
( )
}
= dx x f x x E ) (
| |
dx x f x x E con
x E x E x V
) ( ) (
) ( ) ( ) (
2 2
2
2
=
=
}
7
EJEMPLO DE VARIABLE ALEATORIA CONTINUA
En una cierta ciudad, el consumo diario de energa (en
millones de kilowatt-hora) es una V.A. con densidad
de probabilidad dada por:
Si la planta de energa tiene una capacidad diaria de 10
millones de kilowatt-hora.
a) Cul es la probabilidad de que el consumo rebase la
capacidad de la planta?
b) Cul es el consumo esperado en tal ciudad?.
c) Cul es el valor de la desviacin estndar en este
experimento?
a) 0.2872
b) 8
c) 5.6569
>
<
=
0 ,
16
1
0 , 0
) (
4
x si xe
x si
x f
x
8
EJERCICIO DE VARIABLE ALEATORIA CONTINUA
La proporcin de tiempo T, que un autmata industrial
trabaja durante una semana de 40 horas, es un V.A.
con la siguiente funcin de densidad de probabilidad:
1. Cuntas horas se espera que trabaje el autmata por
semana?
2. Determina la desviacin estndar del experimento
3. Para que un autmata sea rentable se requiere que
mnimo trabaje 24 horas por semana, Cul es la
probabilidad de que lo sea?
1. E(t)=0.75= 30 hrs. 2. =0.1936 3. P(t>24)= 0.784
< <
=
caso otro en
t t
t f
, 0
1 0 , 3
) (
2
9
MODELOS DE
DISTRIBUCIONES
DE
PROBABILIDAD
CONTINUA
UNIFORME
EXPONENCIAL
NORMAL
WEIBULL
10
DISTRIBUCIN DE PROBABILIDAD UNIFORME
Definicin
Se dice que X es una V.A.C. distribuida Uniformemente
en el intervalo (a,b) s:
1) El rango de X es el intervalo (a, b)
2) La funcin de densidad de probabilidad de la V.A.
es:
Observaciones:
Los valores de a y b son parmetros de la funcin de
densidad de probabilidad de la V.A. uniforme
El valor que toma f(x) en el intervalo (a,b) es la
constante 1/(b-a)
< <
=
caso otro en
b x a si
a b
x f
, 0
,
1
) (
11
EJEMPLO DE DISTRIBUCIN DE PROBABILIDAD
UNIFORME
El tiempo medido en minutos que tarda una
transportadora de concreto en entregar un pedido,
es una V.A.C. distribuida uniformemente en el
intervalo (50, 90).
Cul es la probabilidad de que la prxima entrega
tarde:
1) Al menos 65 minutos?
2) Ms de 70 minutos, si se sabe que tarda ms de 60
minutos?
1) P(x>65)= 5/8=0.625, 2) P(x>70|x>60)=2/3=0.6667
12
VALOR ESPERADO Y VARIANZA DE UNA V.A.
UNIFORME
Teorema
Si X es una V.A. continua con funcin de densidad de
probabilidad uniforme, con parmetros a y b,
entonces
12
) (
) (
2
) (
2
a b
x V
b a
x E
=
+
=
Tomando el ejemplo anterior
1) Cunto tiempo se espera que tarde la
transportadora de concreto en entregar un pedido?
2) Calcule la desviacin estndar del experimento y
utilizando la regla emprica, interprete los intervalos
que esta determina.
1) E(x)=70, 2) =11.547, el 68% de las entregas se realizan entre 58.5 y 81.6 minutos, el
95% de las entregas se llevan a cabo entre 46.9 y 93.1 minutos y el 99.7% de las
entregas se hacen entre 35.4 y 104.7 minutos
13
EJERCICIO DE DISTRIBUCIN DE PROBABILIDAD
UNIFORME
Un vuelo procedente de Canad esta programado para
llegar a la Ciudad de Mxico a las 0:30 hrs., Pero es
probable que llegue en cualquier momento entre
las 0:20 y las 0.55 hrs. Calcule la probabilidad de
que:
a) El avin llegue a tiempo o antes.
b) El avin llegue despus de las 0:40 hrs.
c) A qu hora se espera que llegue el avin?
a) P(x<=30)=0.2857, b) P(x>40)=0.4286, c) E(x)=37.5 entonces llega a las 0:38 hrs.
14
DISTRIBUCIN DE PROBABILIDAD EXPONENCIAL
DEFINICIN
La V.A. X que mide distancia, tiempo, volumen, rea o
espacio entre eventos sucesivos de un proceso de
Poisson, con media >0, tiene una distribucin
exponencial con el parmetro . La funcin de
densidad de probabilidad de X es:
< s =
x para e x f
x
0 , ) (
<
> >
=
0 0
0 , , 0
) (
1
x si
x si e x
x f
x
| o o|
|
o |
35
TEOREMA
Si X es una V.A. continua con funcin de densidad de
probabilidad Weibull, con parmetros y ,
entonces
Donde (x) es la funcin llamada Gamma, la cual esta
definida por:
Propiedades:
a) (1)=1,
b) Para x>1 (x)=(x-1) (x-1),
c) Si x es entero positivo (x)=(x-1)!
VALOR ESPERADO Y VARIANZA DE UNA
DISTRIBUCIN DE WEIBULL
2
2
2
1
2
1
1
1 ) (
|
o o
|
o
|
|
|
.
|
\
|
+ I =
|
.
|
\
|
+ I = =
x E
36
}
> = I
0
1
0 ) ( x dt e t x
t x
Utilizando la definicin de funcin de distribucin
acumulada de una V.A. continua:
FUNCIN DE DISTRIBUCIN ACUMULADA WEIBULL
} }
= = = s =
x
t
x
dt e t dt t f x X P x F
0
1
) ( ) ( ) (
|
o |
o|
<
>
=
0 , 0
0 , 1
) (
x
x e
x F
x
|
o
37
EJEMPLO DE DISTRIBUCIN DE PROBABILIDAD WEIBULL
Algunos componentes electrnicos estn ubicados
en aparatos sometidos a vibraciones continuas,
suponga que el tiempo de falla (en minutos) de
uno de estos componentes puede considerarse
como una variable aleatoria que tiene una
distribucin Weibull con =1/5 y =1/3.
a) Cul es la probabilidad de que ese componente
falle en menos de 5 horas?
b) Cunto tiempo se espera que dure un
componente sin falla?
a) P(x<300)=0.7379, b) =750 min o 12.5 hrs
38
EJERCICIO DE DISTRIBUCIN DE PROBABILIDAD WEIBULL
El tiempo de desgaste, en cientos de horas, de
determinado tipo de rodamiento, tiene una
distribucin que aproximadamente es Weibull
con =1/4 y =2.
a) Calcular la probabilidad de que un rodamiento
de este tipo tenga avera en menos de 200
horas.
b) Calcular la probabilidad de que un rodamiento
de este tipo falle despus de 150 horas.
a) P(x<2)=0.6321, b) P(x>1.5)=0.5698
39
CONFIABILIDAD Y TASA DE FALLA
Un estudio de la confiabilidad de un sistema,
pretende evaluar ste, para determinar la
probabilidad de que funcione adecuadamente
bajo las condiciones para las cuales se diseo.
Describiremos a la V.A. T como: el tiempo necesario para
que falle un sistema que es irreparable una vez que deja de
funcionar.
Las funciones que participan en la evaluacin de la
confiabilidad son:
Densidad de Probabilidad Falla f,
La Funcin de Confiabilidad R y
La Tasa de Falla o Riesgo de la Distribucin .
40
CONFIABILIDAD Y TASA DE FALLA
Teorema:
Sea X una variable aleatoria con densidad de falla f,
la funcin de confiabilidad R y funcin de tasa de
falla . Entonces
Que expresa la razn de falla (tasa de falla) en
trminos de la distribucin del tiempo de falla.
) ( 1
) (
) (
) (
) (
t F
t f
t R
t f
t
= =
41
La funcin de Densidad de Falla f(t) puede ser:
La Distribucin Exponencial, aplicado a la vida
til de componentes, cuando la razn de falla es
constante.
0 ) ( > =
t e t f
t o
o
O bien f(t) puede ser:
La distribucin de Weibull, cuando la razn de
falla no es constante el problema es de pruebas
de vida.
CONFIABILIDAD Y TASA DE FALLA
0 ) (
1
> =
t e t t f
t
|
o |
o|
42
EJEMPLO DE CONFIABILIDAD Y TASA DE FALLA
Un chip de circuito integrado tiene una razn
constante de falla de 0.02 por cada mil horas.
a) Cul es la probabilidad de que funcione
satisfactoriamente al menos 20,000 hrs.?
b) Cul es la confiabilidad en 5000 hrs. de un
chip?
c) Cul es la confiabilidad en 5000 hrs. de 4 chips
de estos, conectados segn el siguiente
diagrama?
I
1
I
2
I
3
I
4
a) P(t>20)=0.6703, b) R(5)=0.9048, c) RT(5)=0.8112
43
EJERCICIO DE CONFIABILIDAD Y TASA DE FALLA
Un diodo que se emplea en una tarjeta de circuitera
tienen una tasa de falla variable debido al aumento
de esfuerzo por temperatura. El tiempo de falla se
distribuye aproximadamente bajo una distribucin
Weibull con parmetros = 0.0005 por hora y =
0.80.
a) Calclese la probabilidad de que opere el diodo sin
problemas al menos durante 5,000 hrs.
b) Cul es la confiabilidad del diodo en 6000 hrs.?
c) Cul es la tasa de falla en 6000 hrs.?
a) P(x>5000)=0.6344, b) R(6000)=0.5906, c) (6000)=7.021x10
-5
fallas por hora
44
Para la distribucin exponencial:
Para la distribucin de Weibull:
RESUMEN DE CONFIABILIDAD Y TASA DE FALLA
1
1
) (
) (
0 ) (
=
=
> =
|
o
o |
o|
o|
|
|
t t
e t R
t e t t f
t
t
o
o
o
o
=
=
> =
) (
) (
0 ) (
t
e t R
t e t f
t
t
45