VARIABLES ALEATORIAS CONTINUAS

Si el recorrido, RX de una variable aleatoria X es un conjunto infinito no numerable de

puntos en el conjunto de los números reales, entonces a X se le denominará variable
aleatoria continua.
Definición.
Se dice que una variable aleatoria X y la distribución correspondiente son de tipo
continuo si la función de distribución
F ( b ) = P [ X �b ] de X puede representarse por una integral de la forma:

b
F ( b) = �f ( x)dx (1)
-�

La función f ( x) se denomina función de densidad de probabilidad de la variable

aleatoria variable aleatoria X o de la función de distribución F.
Ejemplo1.
Sea X una v.a. con función de distribución dada por
� 0 b �0
F ( b ) = � -3 b
�1- e b>0
y sea la función
�3e -3 x x > 0
g ( x) = �
�0 x �0
¿será g(x) función de densidad?

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
�

y g ( x ) es la función de densidad de probabilidad de la v.a. X con función de

distribución F, por lo tanto X es variable aleatoria continua.
Consecuencias de la definición de una variable aleatoria continua
1.- f ( x) es no negativa.
Condición necesaria para que F sea no decreciente.
+�

2.- �f ( x)dx = 1 con

-�
base en (1) y axioma P( W) = 1

3.- F ( x) = f ( x) para todo x en la que f (x) es continua.

'

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

5.- Si P [ a < X �b ] = F (b) - F (a ) = �

f ( x )d ( x )
a

esta probabilidad es igual al área bajo la curva de la densidad f ( x ) entre x = a y x = b

como se muestra en la figura,

P(a < X ≤ b ) = P(X ≤ b) − P(X ≤ a)

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.-

La demanda diaria de gasolina en galones en cierta gasolinera es una variable aleatoria

X. Supóngase que X tiene la densidad

�k 4000 < x < 9000

f ( x) = �
�0 c.c

a) Hállese y trácese la gráfica de la función de distribución F.

b) Calcular la probabilidad de que la demanda diaria de gasolina sea menor de
3000 galones.
Solución.
a) Primero encontraremos el valor de la constante k
Se sabe que:
� 4000 9000 +�
�f ( x)dx =� 0dx + � kdx + � 0dx =1
-� -� 4000 9000
�
�f ( x)dx =� kdx = [ kx ] = [ 9000 - 4000] k = 1
9000 9000

-� 4000 4000

1
k=
5000
Encontraremos la F(b)

2
Cuando b<4000
4000
F (b)= � 0d ( x ) =0
-�

4000 �b < 9000

1 1 b - 4000
[ x ] 4000 =
4000 b b
F (b) = � 0d ( x ) + � d ( x) =
-� 4000 5000 5000 5000
b �9000
4000 9000 1 +�
F (b) = � 0dx + � dx + � 0dx =1
-� 4000 5000 9000

1
F (b) = [ 9000 - 4000] = 1
5000
luego
� 0
�b - 4000 b < 4000
�
F (b) = � 4000 �b < 9000
� 5000 b �9000
�
� 1

b) La probabilidad de que la demanda diaria de gasolina sea menor de 3000

galones es F(3000)=0

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)