Documentos de Académico
Documentos de Profesional
Documentos de Cultura
117 5 31102012113144 PDF
117 5 31102012113144 PDF
Sea X una v.a.. Decimos que es continua si existe una funcin no negativa f , definida sobre todos
los reales x ( , ) , tal que para cualquier conjunto B de nmeros reales
P( X B ) = f ( x)dx
B
O sea que la probabilidad de que X tome valores en B se obtiene al integrar la funcin f sobre el conjunto B.
A la funcin f la llamamos funcin densidad de probabilidad (f.d.p.).
Observaciones:
1- Como X debe tomar algn valor real, entonces debe cumplirse que
1 = P ( < X < ) =
f ( x)dx
P( X B) = P(a X b) = f ( x)dx
a
P( X = a ) = f ( x)dx = 0
a
Es decir la probabilidad que una v.a. continua tome algn valor fijado es cero. Por lo tanto, para
una v.a. continua
56
Sea X una v.a. continua. Se define la funcin de distribucin acumulada de X (abreviamos F.d.a
de X) como
F ( x) = P( X x)
< x <
f (t )dt
F ( x) = P( X x) =
< x <
Adems
b
P(a X b) = f ( x)dx =
Observaciones:
1- Si X es una v.a. con f.d.p. f(x) y funcin de distribucin acumulada F (x) entonces
x
dF ( x ) d
= f (t )dt = f ( x) donde F (x) sea derivable
dx
dx
lim F ( x) = lim
x
f (t )dt = f (t )dt =1
lim F ( x) = lim
f (t )dt = f (t )dt =0
Ejemplos:
1- Supongamos que X es una v.a. continua con f.d.p. dada por
a) Cul es el valor de C?
C (4 x 2 x ) si 0 x 2
f ( x) =
0 caso contrario
2
b) Hallar P( X > 1)
c) Hallar la F.d.a. de X
57
Solucin:
1=
f ( x)dx =
0.7
x2
x3
8
2 = C = 1
C 4 x 2 x 2 dx = C 4
3 0
3
2
0
3
C=
8
Entonces
2
2
2
0dx + C 4 x 2 x dx + 0dx = C 4 x 2 x dx
0.6
0.5
0.4
0.3
0.2
0.1
0.5
1.5
P( X > 1) =
2
=
1
3
1
4 x 2 x 2 dx =
8
2
0
si x < 0
x 3
F ( x ) = 4t 2t 2 dt si 0 x 2
0 8
1
si x > 2
es decir
0
3 2 x
F ( x ) = x 1
4 3
1
si
x<0
si 0 x 2
si
x>2
El grfico de la F.d.a. es
58
3 1
3 2 1
P( X > 1) = 1 P( X 1) = 1 F (1) = 1 12 1 = 1 =
4 3
4 3 2
2- El tiempo de vida en horas que una computadora funciona antes de descomponerse es una v.a.
continua con f.d.p. dada por
0.01e 0.01x si x 0
f ( x) =
si x < 0
0
a) hallar la F.d.a. de X
0dx = 0
F ( x) = P( X x) =
0.006
Y si x 0 tenemos
0.004
0
0dt + 0.01e
F ( x ) = P( X x) =
0.01t
dt =
0.002
e 0.01t
= 1 e 0.01x
= 0 + 0.01
0
.
01
100
200
300
400
500
1 e 0.01x si x 0
F ( x) =
0 caso contrario
La grfica de la F.d.a. es
59
f(x)
)( )
Para una v.a. discreta la E ( X ) se defini como la suma de los xi p ( xi ) . Si X es una v.a. continua con
f.d.p. f(x), se define E ( X ) sustituyendo la sumatoria por integracin y p ( xi ) por f(x).
La esperanza de una v.a. continua X con f.d.p. f(x) se define como
E( X ) =
xf ( x)dx
Ejemplo:
Para ciertas muestras de minerales la proporcin de impurezas por muestra, es una v.a. X con f.d.p.
dada por
3 2
x + x si 0 < x < 1
f ( x) = 2
0 caso contrario
Hallar la esperanza de X
60
Solucin:
Se plantea
3 x4 x3
3 2
E ( X ) = x x + x dx =
+
3
2 4
0 2
1
3 1 1 17
= + =
0 2 4 3 24
A menudo se desea calcular la esperanza de una funcin de X, Y = h(X), esto se puede hacer hallando previamente la densidad de Y y luego calcular E(Y) aplicando la definicin anterior.
Otra forma de calcular E(Y) sin hallar la densidad de Y est dada por el siguiente
Teorema: Si X es una v.a. continua con f.d.p. f(x) y h(X) es cualquier funcin de X, entonces
E (h( X )) =
h( x) f ( x)dx
5 y
G( y) = P(Y y) = P(5 0.5X y) = P X
= 1 P X
= 1 F
0.5
0.5
0.5
Donde F ( x) = P( X x)
Entonces
d
5 y
5 y 1
g ( y) =
1 F
= f
=
dy
0.5
0.5 0.5
3 5 y 2 5 y 1
si
0.5
= 2 0.5
0
.
5
0
caso contrario
5 y 1
f
=
0.5 0.5
0<
5 y
<1
0.5
O sea
3 5 y 2 5 y 1
+
si
g ( y ) = 2 0.5
0.5 0.5
0
caso contrario
9
< y<5
2
Ahora calculamos la E (Y )
3 5 y 2 5 y 1
223
E (Y ) = y
dy =
+
2 0 .5
0.5 0.5
46
9
2
5
61
E (Y ) = E ( h( X )) = (1
54
2
0.4
53
x ) x 2 + x dx =
46
124243
0
h( x )
f(x)
Notar que de la misma forma que en el caso discreto, si h( x) = ax + b , es decir si h es una funcin
lineal, aplicando las propiedades de linealidad de la integral tenemos
E ( aX + b) = aE ( X ) + b
17 223
=
24 46
Sea X una v.a. continua con f.d.p. f(x) y sea E ( X ) = , entonces la varianza de X es
V (X ) =
] (x )
= E (X ) =
2
X
f ( x)dx
La interpretacin de la varianza de una v.a. continua es la misma que para el caso discreto.
Adems sigue valiendo la igualdad
( )
V (X ) = E X 2 2
Pues en la demostracin hecha para el caso discreto si sustituyen las sumatorias por integrales.
Por la misma razn, tambin vale que
V (aX + b) = a 2V ( X )
aX +b = a X
Ejemplo:
Calculamos la varianza de Y = 5 0.5 X
V (Y ) = 0.5 2 V ( X )
17
V ( X ) = E( X ) = E ( X )
24
2
3 x5 x 4
3
E ( X ) = x x 2 + x dx =
+
4
2
2 5
0
1
V (X ) =
11 17
20 24
3 1 1 11
= + =
0 2 5 4 20
11 17 2
V (Y ) = 0.5 2
20 24
= 139
11520
62