UNIDAD IV

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 , ) (

La distribucin exponencial se utiliza para modelar el

tiempo que transcurre antes de que suceda un
evento, llamado tiempo de espera. Tambin sirve
para modelar el tiempo de vida de un componente.
15
El Valor esperado y la Varianza de una V.A.C. X de una
distribucin exponencial estn dados por :
2
1
) ( ,
1
) (

= = x V x E
DISTRIBUCIN DE PROBABILIDAD EXPONENCIAL
EJEMPLO
En una red de computadoras de una empresa, el acceso de
usuarios al sistema puede modelarse como un proceso
de Poisson con media de 25 accesos por hora.
a) Cul es la probabilidad de que se d un acceso despus
de 6 minutos?
b) Cuntos minutos se espera que pasen para que suceda
un acceso de un usuario cualesquiera?
c) Cul es la probabilidad de que el tiempo hasta el
siguiente acceso est entre 9 y 12 minutos?
a) P(x>6 min.)=P(x>0.1hrs)=0.0821, b)E(x)=0.04 hrs.=2.4 minutos,
c) P(9<x<12)=P(0.15<x<0.2)=0.0168.
16
DISTRIBUCIN DE PROBABILIDAD EXPONENCIAL
EJERCICIO
El tiempo entre las llamadas telefnicas a una
ferretera tienen una distribucin exponencial con
un tiempo promedio entre las llamadas de 15
minutos.
a) Cul es la probabilidad de que se d una llamada
despus de 30 minutos?
b) Cuntos minutos se espera que pasen para que se
reciba una llamada telefnica?
c) Cul es la probabilidad de que haya una llamada
en un tiempo mayor a 10 minutos?
a) P(x>30)=0.1353, b)E(x)=15, c) P(x>10)=0.5135
17
DISTRIBUCIN DE PROBABILIDAD NORMAL
x
| |
2
/ ) (
2
1
2
1
) (
o
to

=
x
e x f
18
1. La curva normal es acampanada y presenta slo un
pico en el centro de la distribucin.

2. La media aritmtica, la mediana y la moda de la
distribucin son iguales y estn localizadas en el pico.
De esta forma, la mitad del rea bajo la curva se
encuentra por arriba de este punto central, y la otra
mitad por abajo.
X
Y
CARACTERSTICAS DE LA DISTRIBUCIN DE
PROBABILIDAD NORMAL
19
3. La distribucin de probabilidad normal es simtrica
con respecto a su media.

4. La curva normal decrece uniformemente en ambas
direcciones a partir del valor central. Es asinttica,
esto significa que la curva se acerca cada vez ms al
eje x, pero en realidad nunca llega a tocarlo. Esto es,
los puntos extremos de la curva se extienden
indefinidamente en ambas direcciones.
X
Y
CARACTERSTICAS DE LA DISTRIBUCIN DE
PROBABILIDAD NORMAL (continuacin)
20
LA DISTRIBUCIN DE PROBABILIDAD NORMAL ESTNDAR
La distribucin normal estndar es una distribucin
normal con media cero y desviacin estndar de 1.
Tambin es llamada distribucin z.
Un valor z es la distancia entre un valor seleccionado
llamado x, y la media de la poblacin , dividida entre
la desviacin estndar, . La frmula es:

Z = (x )/
21
EJEMPLO
El salario inicial de los primeros dos meses de los recin
graduados de una universidad siguen la distribucin
normal con una media de $2,000 y una desviacin
estndar de $200.
a) Cul es el valor z para un salario de $2,200?
Z = (x )/o = (2,200 2,000)/200 = 1.00
Si Z vale 1 indica que el valor de $2,200 est a una
desviacin estndar arriba de la media.

b) Cul es el valor z de $1,700?
Z = (x )/ = (1,700 2,000)/200 = -1.50
Si Z es de -1.50 indica que $1,700 est a 1.5
desviaciones estndar debajo de la media.
LA DISTRIBUCIN DE PROBABILIDAD NORMAL ESTNDAR
22
USO DE LA TABLA DE DISTRIBUCIN NORMAL
Si requiere la P(0.0<z<0.67) entonces su valor es:
P(0.0<z<0.67)=0.2486.
Si se pide la P(0.2<z<0.52) entonces su valor es
P(0.2<z<0.52)=0.1985-0.0793=0.1192
23
TABLA DE
DISTRIBUCIN
NORMAL
24
EJEMPLO

El uso diario de agua por persona en una colonia de la
Ciudad de Mxico, est distribuido normalmente con
una media de 75.71 litros y una desviacin estndar
de 18.93 litros.

1. Cul es la probabilidad de que una persona de esa
colonia seleccionada al azar consuma entre 75.71 y
90.85 litros por da?


2. Qu porcentaje de la poblacin consume entre 68.14
y 98.42 litros por da?
LA DISTRIBUCIN DE PROBABILIDAD NORMAL ESTNDAR
2.- El 54.03% de los residentes consumen entre 68.14 y 98.42 litros de agua por da.
1.- El 28.81% de los residentes consumen entre 75.71 y 90.85 litros de agua por da.
25
EJERCICIO
El profesor Velasco ha determinado que las calificaciones
en su curso de estadstica, tienen una media de 72 y
desviacin estndar de 5. l avisa a la clase que el
15% de las calificaciones ms altas obtendrn una
calificacin de A. Cul es la puntuacin lmite ms
baja que obtendr calificacin de A?
LA DISTRIBUCIN DE PROBABILIDAD NORMAL ESTNDAR
Aquellos cuya puntuacin sea de 77.2 o ms ganarn una A.
26
LA APROXIMACIN NORMAL A LA BINOMIAL
La Distribucin Normal (una distribucin continua)
proporciona una buena aproximacin de la
Distribucin Binomial (una distribucin discreta) para
valores grandes de n o bien cuando np y n(1 p) son
ambos mayores que 5.

Recordemos las caractersticas de una distribucin
binomial:
En un experimento slo existen dos resultados
mutuamente excluyentes: xito y fracaso.
La distribucin es el resultado de contar el nmero de
xitos en una cantidad fija de ensayos.
Cada ensayo es independiente.
La probabilidad p, permanece igual de un ensayo a
otro.
27
FACTOR DE CORRECCIN DE CONTINUIDAD
Cuando se lleva a cabo la estandarizacin de la variable
se sumar o restar 0.5 al valor de variable X,
dependiendo de la situacin y con esto se hace una
correccin por el uso de la distribucin normal en lugar
de una distribucin de probabilidad discreta.
A) PARA LA
PROBABILIDAD DE QUE
POR LO MENOS OCURRA
X SE USA EL REA
SOBRE LOS VALORES
MAYORES QUE X - 0.5.
) ( x X P >
CRITERIOS PARA LA APLICACIN DEL FACTOR DE
CORRECCIN POR CONTINUIDAD
28
C) PARA LA PROBABILIDAD DE QUE OCURRA X O MENOS, SE USA EL
REA SOBRE LOS VALORES MENORES QUE X + 0.5.
B) PARA LA PROBABILIDAD DE QUE OCURRA MS DE X SE USA EL REA
SOBRE LOS VALORES MAYORES QUE X + 0.5.
) ( x X P >
) ( x X P s
29
D) PARA LA PROBABILIDAD DE QUE OCURRA MENOS DE X SE USA EL
REA SOBRE LOS VALORES MENORES QUE X - 0.5.
) ( x X P <
30
Un informe reciente de una firma de estudios de
mercado mostr que 15% de residentes
americanos son propietarios de una
videocmara. Para una muestra de 200
residentes.
1. Cuntos residentes se espera que tengan
videocmara?
2. Cul es el valor de la varianza y la desviacin
estndar?
3. Cul es la probabilidad de que menos de 40
residentes en la muestra tengan videocmara?
EJEMPLO DE APROXIMACIN NORMAL A LA BINOMIAL
1. =30, 2.
2
=25.5,=5.0498, 3. P(x<40)=P(z<1.88)=0.9699
31
Se ha observado que 90% de las impresoras de un
cierto distribuidor funcionan correctamente en el
momento de la instalacin y las dems requieren
de ajustes. Si el distribuidor vende 250 unidades
en un cierto periodo.
1. Cul es la probabilidad de que cuando mucho
23 impresoras requieran de ajuste en su
instalacin?
2. Cul es la probabilidad de que entre 20 y 35
impresoras necesiten un ajuste?
EJERCICIO DE APROXIMACIN NORMAL A LA BINOMIAL
1. P(x<=23)=P(z<=-0.32)=0.3745,
2. 2. P(20<=x<=35)=P(-1.16<=z<=2.21)=0.8634
32
DISTRIBUCIN DE PROBABILIDAD WEIBULL
x
y
y=2e^(2x)y=4xe^(-2x^2)
y=2e
-2x

y=4xe
-(2x^2)

y=0.8xe
-(0.4x^2)

|
x
e x y
1
33
DISTRIBUCIN DE PROBABILIDAD WEIBULL
La Distribucin de probabilidad Weibull representa
un modelo apropiado para
El comportamiento de las fallas (confiabilidad del
periodo de vida de un componente hasta que
presenta falla),
Sistemas en los que el nmero de fallas aumenta
con el tiempo (desgaste de rodamientos) o
disminuye con el tiempo (algunos
semiconductores).
La duracin (tiempo de vida) de dispositivos
elctricos y mecnicos, de plantas y de animales.
34
DISTRIBUCIN DE PROBABILIDAD WEIBULL
Definicin.
Si X es una V.A. continua con funcin de densidad
de probabilidad






entonces X es una V.A. Weibull, con parmetros
(parmetro de escala) y (parmetro de forma).

<
> >
=

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