Académique Documents
Professionnel Documents
Culture Documents
b
F ( b) = �f ( x)dx (1)
-�
Solución.
Consideremos los casos:
b �0
b b
F (b) = P [ X �b ] = �
g ( x )dx = �
0dx = 0
� -�
b>0
b 0 b b
� 1 -3 x �
F (b) = P [ X �b ] = � g ( x )dx = � 0dx + � -3 x
- e � = - e -3 b + 1
3e dx = 3 �
� -� 0 �3 �
0
Luego
b
F (b) = �
g ( x) dx
�
1
P [ X = a ] = 0 para cualquier numero real a.
4.- P X = a = F (a) -
[ ] limF (a - e )
e �0
a y b son dos numeros reales tales que a < b entonces
b
Es obvio que para cualquier a y b, fijos ( a < b) en el caso de una variable aleatoria
continua X , las probabilidades correspondientes a los intervalos a �X �b, a �X < b,
a < X �b, a < X < b son iguales.
Ejemplo1.-
-� 4000 4000
1
k=
5000
Encontraremos la F(b)
2
Cuando b<4000
4000
F (b)= � 0d ( x ) =0
-�
1
F (b) = [ 9000 - 4000] = 1
5000
luego
� 0
�b - 4000 b < 4000
�
F (b) = � 4000 �b < 9000
� 5000 b �9000
�
� 1
Ejemplo 2.-
Sea la variable aleatoria X, vida útil de baterías (en cientos de horas) que tienen
asociada una función de densidad de probabilidad de la forma
3
�1 - 2x
�e x>0
f(x) = �2
�0 c.c
�
a) Calcular la probabilidad de que la vida útil de una batería determinada sea
menor que 200 o mayor que 400 horas.
b) Calcular la probabilidad de que una batería de este tipo dure más de 300 horas
dado que ya ha estado en uso durante más de 200 horas.
c) Hallar la función d distribución.
Solución
a) Sean los eventos
[ X < 200] = [ X < 2]
[ X > 400] = [ X > 4]
P ( [ X < 2] �[ X > 4] ) = P [ X < 2] + P [ X > 4]
2 �
1 - 2x
2 �1 -
x
� - 2x � � - 2x �
= �e dx + � e dx = �
2
-e � + � -e �
0 2 4 2
� � 0 � � 4
= -e -1 + 1 + e -2 = 0.767
b) Por definición de probabilidad condicional,
�= [
X >3 P X > 3 �X > 2] P [ X > 3]
P� =
� X > 2� P [ X > 2] P [ X > 2]
P [ X > 3] = 1 - P [ X �3]
3
1 - 2x 1 � - 2x � -
3
P [ X �3] = �e dx = �
3
-2e �= -e + e -0
2
0 2 2� �
0
P [ X > 2] = 1 - P [ X �2]
2
1 -x 1 � - 2x �
P [ X �2] = �e 2 dx = �
2
-2e � = -e -1 + e -0
0 2 2� �
0
luego
3
�= [
P X > 3] 1 + e 2 - 1 - 12
-
X >3
P� = = e = 0.6065
� X > 2 � P [ X > 2 ] 1 + e -1 - 1
� 0 x<0
c) F ( x) = � - x
1- e
� x>0
4
Valores esperados de variables aleatorias continuas
Definición
El valor esperado de una variable aleatoria continua X que tiene una función de
densidad de probabilidad f ( x) , está dada por
+�
E( X ) = �
x f ( x)dx
-�
Para funciones de variable real se tiene el teorema siguiente:
Teorema 1.
Si X es una variable aleatoria continua cuya función de densidad es f ( x) , y si g(x)
es cualquier función X de valor real, entonces
+�
E [ g ( X )] = �
g ( x ) f ( x )dx
-�
Las definiciones de varianza y desviación estándar para variable discreta son
válidas también para el caso continuo.
Ejemplo.
La demanda semanal X (cientos de galones) de petróleo en un expendio tiene una
función de densidad dad por
�x 0 �x �1
�
f ( x) = �1/ 2 1 �x �2
�0 o.c
�
a) Calcular la demanda semanal esperada.
b) Calcular la varianza de la demanda semanal.
Solución.
+� 1 2 1 2
�x 3 � 1 �x 2 �
a) E ( X ) = �
-�
x f ( x ) dx == � x ( x)dx + � x (1/ 2)dx = � �+ � � = 1, 08
�3 � 2 �2 �
0 1 0 1
Luego la demanda esperada es 108 galones.
b) V ( X ) = s = E �
( X - m )2 �
�= E ( X ) - m
2 2 2
�
1 2
�1 � 1 4 1 1 3 2 17
E( X 2 ) = � x 2 xdx + � x2 � � dx = �x �+ �x �=
0 1 �2 � 4� �0 6� �1 12
2
17 � 13 �
V (X ) = s = E �
2
�( X - m) �
�= E ( X ) - m = 12 - �
2 2 2
�= 0.25
�12 �
El siguiente teorema es válido tanto para variable discreta como continua
Teorema 2.
Para cualquier variable aleatoria X y constantes a y b cualesquiera,
i) E(a X+ b) = a E(X)+ b
ii) V(a X + b) = a²V(X)