Variable aleatoria continua

Fijate en las siguientes variables aleatorias:

X= Velocidad instantanea de un tren durante su recorrido

Y= Peso de cada una de las piezas fabricadas por una máquina de una fábrica.

Z= Coeficientes intelectuales de una muestra de 25.000 personas.

Cuando no es posible considerar los valores de la v.a. como resultados aislados, sino
que lo conveniente es considerarlos agrupados en intervalos, diremos que se trata
de una v.a. continua.

Las frecuencias relativas de las probabilidades de los individuos de los

experimentos aleatorios costituyen lo que define a una v.a. continua que es su
función de probabilidad o de densidad.

Una función y=f(x) es una función de densidad de una v.a. continua X si.

a) f ( x )  0 x f(x) es no negativa


b) 

f ( x )  1 , el área total bajo la curva es 1

c) La probabilidad de que la variable tome valores en el intervalo [a,b] es el área

b

encerrada bajo la curva en ese intervalo  f ( x )  P ( a  x  b)

a

La representación gráfica de f(x) será una curva plana situada toda ella en los
cuadrantes superiores. La función puede hacerse cero, tender asintótivcamente
hacia el eje OX o quedar limitada en un intervalo. La curva puede o no tener un eje
de simetria vertical y en el caso afirmativo diremos que se trata de una distribución
simétrica..

Igual que hicimos en las distribuciones deiscretas podemos definir la función de

distribución:

F(x) es la función de distribución de una v.a. continua si corresponde a la curva

de frecuencias acumuladas que se espera obtener de X .
x
F ( x)  P ( X  x )  

f (t ) dt x

Enronces para calcular P( a  x  b) debemos encontrar el área encerrada bajo la

curva de la función de densidad f(x) y para ello se puede utilizar:
b

- La función de densidad P (a  x  b)   f ( x)dx

a

- La función de distribución P (a  x  b)  F (b)  F (a )

En una v.a. continua los parámetros tienen el mismo significado estadistico que en
una v.a. discreta y como tal los utilizaremos:

E[ X ]     x. f ( x)dx

 
V[X ]   2   (x  ) . f ( x ) dx  x . f ( x ) dx   2
2 2

 
 Cuando hablemos de μ nos referiremos a la media de la v.a. continua y
representará el centro de gravedad de la distribución y cuando hablemos de  nos
estaremos refiriendo a la desviación típica d ela distribución como medida de
dispersión.

También la desviación típica, junto con la esperanza nos indica el intervalo

    ,     donde se espera que se produzcan la mayoría de los resultado de la
Dudas frecuentes:
La probabilidad de un suceso puntual es nula- P(X=a)=0.
Por tanto en una v.a. continua
P ( a  x  b)
P ( a  x  b)
P ( a  x  b)
P ( a  x  b)
Tiene igual valor y significado

v.a. X.

Ejemplo 5

La función de distribución de una variable aleatoria continua X es

0 si x  1
 2
( x  1)
F (x)  si 1  x  3
 4
 1 si x  3

Cómo F´(x)=f(x), podemos obtener la función de densidad

0 si x  1

 (x  1)
f ( x)  si 1  x  3
 2
 0 si x  3

Se verifica que:
 3
3
x 1  x2 x 


f ( x) dx  
1
2
dx      1
 4 2 1

Cálculo de los parámetros:

 3
3
x( x  1)
3
x2  x  x3 x 2  7
E[ X ]     x. f ( x)dx  
 1
2
dx  
1
2
dx     
6 4 1 3
 3 2
x ( x  1) 2
7 17 49 2
V [ X ]     x . f ( x)dx    
2 2 2
dx      
 1
2 3 3 9 9