Universidad Don Bosco

Facultad de Ciencias Bsicas

Estadstica I

TRABAJO
COOPERATIVO I
Presenta:
Gonzlez Castro, Alejandro Enrique
Ramrez Flores, Emerson Luis
Rodrguez Martnez, Gabriela Stefany
Acosta Parada, Elmer Cristbal
Yanes Bentez, Juan Carlos
Carnet:
GC142115
RF110206
RM141488
YB141506
N Grupo:
Docente:
Ing. Katya Valle
Soyapango,
jueves 31 de marzo del
2015

Universidad Don Bosco

Estadstica I

Trabajo Cooperativo II

Objetivos:
Que el estudiante pueda ver la diferencia entre la Funcin de Densidad de probabilidad y la
Funcin de Distribucin Acumulativa.
Que el estudiante pueda aplicar las Tcnicas de Integracin a las cuatro caractersticas
mencionadas de la V.A.C.X.

Rbrica de Evaluacin:
Competente
(6-7.5)

Bsico
(2-5.5)

Deficiente
(0-1.5)

Presentacin
10%

Tiene portada
presentable.
Todo el trabajo
est escrito a
mquina.
El trabajo
presentado est
completo.

Tiene portada
presentable.
El trabajo est
escrito a
mquina.
El trabajo slo
tiene el 70% de
lo pedido.

Tiene portada
presentable.
El trabajo est
escrito a
mquina.
El trabajo solo
tiene el 50% de
lo pedido.

Portada mal
hecha.
El trabajo est
escrito a
mquina.
El trabajo est
incompleto,
cubriendo
menos del 50%

Bibliografa
Empleada
5%

Seleccin
completa y
apropiada de la
Bibliografa

Seleccin
completa pero
no apropiada de
la Bibliografa.

Seleccin muy
pobre de la
Bibliografa
(Slo menciono
un libro)

No mencion
ninguna
bibliografa.

Definicin
correcta de
cada
concepto y
desarrollo
correcto y
completo de
cada
problema de
aplicacin.
85%

Excelentes
problemas de
Aplicacin,
Adems,
definiciones
completas de
cada concepto.

Buenos
problemas de
Aplicacin, pero
slo definieron
tres conceptos.

Slo hicieron un
problema de
Aplicacin, y
adems las
definiciones
eran
incompletas.

Destacado
(8-10)

Excelentes
problemas de
Aplicacin, pero
las definiciones
incompletas.

Universidad Don Bosco

Estadstica I

Trabajo Cooperativo II

VARIABLE ALEATORIA CONTINUA (V.A.C)

1. DEFINICIN DE UNA VARIABLE ALEATORIA CONTINUA (V.A.C.X)
Si X es una variable aleatoria continua se define sobre espacios mustrales infinitos no
numerables, es decir, toman valores enteros, fraccionarios y un nmero infinito de ellos.
Se representan mediante letras Maysculas y pueden tomar como posibles valores:
X= {x1,x2,.,xi,,xn}
Se dice que las variables aleatorias discretas son el resultado de contar (edad de una
persona, n de hijos o hermanos, n de puntos de un dado, etc.). Mientras que las
variables aleatorias continuas son el resultado de medir (velocidad media un automvil,
talla y peso de una persona, etc.)

EJEMPLOS DE VARIABLE ALEATORIA CONTINUA

Universidad Don Bosco

Estadstica I

Trabajo Cooperativo II

2. DEFINICION Y EJEMPLO DE LAS CARACTERISTICAS DE UNA V.A.C.X

I)

FUNCION DE DENSIDAD

Segn la definicin, una variable aleatoria continua puede tomar un nmero infinito no
numerable de puntos, la probabilidad que hemos de asignarle a cada valor de la variable
estar en [0,1] con la condicin de que la suma de todas las probabilidades es 1.
La funcin de densidad describe la probabilidad relativa segn la cual dicha variable
aleatoria tomar determinado valor.
La probabilidad de que la variable aleatoria caiga en una regin especfica del espacio de
posibilidades estar dada por la integral de la densidad de esta variable entre uno y otro
lmite de dicha regin.
Supongamos que queremos calcular la probabilidad de que la variable aleatoria X se
encuentre entre los valores de a y b, es decir P (aXb).
A partir de la grfica obtenemos que dicha probabilidad es el rea bajo la curva entre el
punto a y b.

Universidad Don Bosco

Estadstica I

Trabajo Cooperativo II

P ( A )=P ( a X b )= f ( x ) dx
a

Para una variable continua, la funcin de densidad es la curva que aproxima la forma
cuando sus valores se muestran en una grfica de barras o histograma. Por ejemplo, una
mquina que corta corchos para botellas de vino produce corchos de diferentes dimetros.
En la siguiente grfica de barras de dimetros de corchos, cada barra representa el
porcentaje de corchos con el correspondiente dimetro.

La mayora de las
densidad
de
requieren uno o ms
especificarlas

funciones
probabilidad
parmetros
totalmente.

Recprocamente
definicin
ya
hacerse
las
consideraciones.
La probabilidad de
aleatoria continua X quede

de
para

respecto
de
la
desarrollada, pueden
siguientes

ubicada

entre

los

que
valores a y b est

una
dada

variable
por el

Universidad Don Bosco

Estadstica I

Trabajo Cooperativo II

desenvolvimiento en el intervalo de la FDP; de los valores comprendidos en el rango

entre a y b.
b

P [ a X b ] = f ( x ) dx
a

La FDP es la derivada (cuando existe) de la funcin de distribucin:

f ( x )=

d
F ( x)
dx

As, si F es la funcin de distribucin acumulativa de X, entonces:

x

F ( x )= f ( u ) du

Y (si f es continua en x):

f ( x )=

d
F ( x)
dx

Ejercicio de Aplicacin

Primera Opcin:

Suponga que el error en la temperatura de reaccin, en C, en un experimento de

laboratorio controlado, es una variable aleatoria continua X que tiene la funcin de
densidad de probabilidad:

x
f ( x )= 3 ,1< x< 2.
0, en otro caso .

a) Verifique que f(x) es una funcin de densidad.

b) Calcule P (0<X1).
Solucin:

Universidad Don Bosco

Estadstica I

f ( x ) dx= x3 dx= x9

a)

P ( 0< X 1 ) =

b)

Trabajo Cooperativo II

8 1
= + =1
9 9

x2
x3 1
dx= =
3
9 9

Segunda Opcin:

La proporcin de personas que responden a cierta encuesta enviada por correo es una
variable aleatoria continua X que tiene la siguiente funcin de densidad:

f ( x )=

2( x+2)
, 0< x <1.
5
0, en otro caso .

a) Demuestre que P (0<X<1) = 1.

b) Calcule la probabilidad de que ms de pero menos de de las personas
contactadas respondan a este tipo de encuesta.
Solucin:
1

f ( x ) dx=
0

a)

| [ ]

2
2 ( x +2 )
2
2 x
2 5
dx= ( x +2 ) dx= +2 x = 0 =1
5
50
5 2
5 2

b)

2
19
2( x+ 2)
1
1
2
2 x
2 9 17 5
19
P < x < =
dx= ( x+ 2 ) dx = +2 x =
=
= =0.2375
4
2 1
5
5 1
5 2
5 8 32
32
80

1
2

1
2

| [

1
II)

FUNCION DE DISTRIBUCION ACUMULATIVA

La funcin de distribucin acumulativa de una variable aleatoria continua X es:

Universidad Don Bosco

Estadstica I

Trabajo Cooperativo II

f ( x )=P( X x)
Al igual que para una variable aleatoria discreta.
Para esta ltima, F(x) se puede encontrar al sumar los valores de la funcin de masa de
probabilidad. Para una variable aleatoria continua, el valor de F(x) se obtiene al integrar la
funcin de densidad de probabilidad.
Sea X una variable aleatoria continua con funcin de densidad de probabilidad f(x). La
funcin de distribucin acumulativa de X es la funcin:
x

F ( x )=P ( X x )= f ( t ) dt

Ejercicio de aplicacin:
Sea X una variable aleatoria cuya funcin de densidad viene dada por f(X), calcula su
funcin de distribucin:

X
f ( x )= 2 , 0 x 2
0, en otro caso

La funcin de distribucin se obtiene de la siguiente manera:

+

x
x
F ( X ) = f ( x ) dx= f ( x ) dx= 0. dx+ dx=
2
4

Dado a lo anterior la funcin de distribucin ser la siguiente:

0, X < 0
2
x
F ( X )=
, 0< x< 2
4
1, X > 2

Universidad Don Bosco

Estadstica I

III)

Trabajo Cooperativo II

MEDIA

Este es un valor promedio de los datos, aunque no es un resultado posible se obtiene

multiplicando cada uno de los valores xi de la variable aleatoria por su probabilidad
correspondiente f(x1) ,f(x2,)f(x3),.f(xn) Si embargo solo si la variable aleatoria es
discreta formula a usar .
Sea X una variable aleatoria con distribucin de probabilidad f(x). La media o valor
esperado de X es

=E ( X )= xf ( x )
x

En el caso de las variables aleatorias continuas la definicin de un valor esperado es

esencialmente la misma pero las sumatorias se reemplazan con integrales esto es lo que
nos interesa.

=E ( X )= xf ( x ) dx

Si X es continua.

Ejercicio de Aplicacin
Una fbrica salvadorea fabrica audfonos marca el periquito azul a un precio
moderado, en un spot dice que sus audfonos duran 1000 horas, sin embargo varios
consumidores reportan que sus dispositivos duraron un da pero otros tuvieron la
experiencia contraria y les duraron el doble, la defensora del consumidor no puede
multar a la empresa por los audfonos individualmente sino por el promedio de vida de los
audfonos, demostrar que la empresa merece o no la multa.
Primero. Supongamos que la variable aleatoria X es el nmero de horas que dura el
dispositivo
La funcin de densidad es debido a que hay una mayor posibilidad de que falle ms
debido a problemas de fabricacin.
F(x)

= 70000/x^3 si x>=1

Y F(x) = 0 si x<1

Universidad Don Bosco

Estadstica I

Trabajo Cooperativo II

CALCULAR INTEGRAL IMPROPIA

x12 dx
1

Omitiendo todo el proceso matemtico da como resultado.

Por lo tanto si merecen la multa

Universidad Don Bosco

Estadstica I

IV)

Trabajo Cooperativo II

VARIANZA

Definicin: Medida de dispersin o variabilidad que no tiene interpretacin fsica por estar
en unidades cuadradas. Sin embargo, la raz cuadrada positiva, se define como
Desviacin Tpica y esta mide que tan separados estn los datos.
Imagnese que se desea comparar las varianzas de las distribuciones de contendi,
medido en litros, de botellas de jugo de naranja de dos empresas, y el valor ms grande
indicara la empresa cuyo producto es ms variable o menos uniforme.

Matemticamente la varianza para una Variable

Aleatoria Continua se define como:

Chart Title
5
4

Var ( x )=E( ( x ) )= ( x )2 f ( x ) dx
2

Sin embargo esta forma general puede resultar

difcil de evaluar para ciertas situaciones. Una
manera alternativa de Calcularla es:

1
0

Empresa 1

Empresa 2

Dos empresas con medias

iguales (=2) de manufactura del
mismo producto, pero con
varianza diferente

x2 f ( x ) dx 2

Var ( x )= 2=

Ahora extenderemos nuestros conceptos de varianza de una variable aleatoria continua

X, para incluir tambin variables aleatorias continuas relacionadas con x, Para la variable
aleatoria g(x) la varianza se denota por

g ( x)

y se calcula:

Sea x una variable aleatoria con funcin de densidad f(x), la varianza de la variable
aleatoria g(x) es:

2g ( x )=E{[ g ( x ) ] }= ( g ( x )g ( x )) f ( x ) dx= g 2 ( x ) f ( x ) dx 2g (x)

g ( x)

Universidad Don Bosco

Estadstica I

Trabajo Cooperativo II

Ejemplo Aplicativo de Varianza: El tiempo que transcurre, en minutos, para que

un avin obtenga va libre para despegar en el Aeropuerto Internacional de Ilopango
es una variable aleatoria Y= 3X-2, donde X tiene la siguiente funcin de densidad:

1 4
f ( x )= 4 e ,x> 0
0,en otro caso
Calcule: la varianza de la Variable aleatoria Y
Solucin:

=E {[ Y ] }= Y 2 f ( x ) dx2Y
2
Y

1. Primero calcularemos la media de la variable Aleatoria Y

Y = Yf ( x ) dx
0

Universidad Don Bosco

Estadstica I

Trabajo Cooperativo II

1
Y = ( 3 x2 ) e
4 0

3
Y = x e
4 0

X
4

X
4

dx

u=w dv=e dw

21
dx
e
4 0

X
4

X
4

dx

Y =

3
xe
4 0

31
Y =
xe
4 0

dx2
X
4

x
Y =12 e 4 e
4

X
4

x
4

Despus de evaluar y aplicar L

Hopital al evaluar en
tiene:

Y =10

Usando U sustitucin:

w=

x
4 w=x
4

dw=

1
dw= dx
4

1
dx
4

Y =3 (4 w ) ew (dx )2
0

Y =12 4 w e w dx2
0

2. Obteniendo la Varianza de Y.

=E {[ Y ] } = Y 2 f ( x ) dx2Y
0
2
Y

Si sabemos que:

Y =10

3
xe
4 0

X
4

dx=12

Y =122
dx2

Y =12 w e w e w 2

dx=1

De manera que :

du=dw v =e

Y =12 w e e dw 2

Por definicin se tiene que:

1
e
4 0

Integrando por Parte:

1
e
4 0

X
4

dx=1

y se

Universidad Don Bosco

Estadstica I

Trabajo Cooperativo II

1
= ( 3 x2 )2 e 4 dx (10 )2
4 0
2
Y

2Y =

9
3
x 2 e 4 dx4( ) x e

4 0
4 0

x
4

1
dx +4 ( ) e 4 dx100
4 0

9
= x 2 e 4 dx144
4 0
2
Y

u=

x
x
u2 =
4
16

du=

1
dx dx=4 du
4

2Y =

9
( 16 u2 ) e u (4 du ) 144

Y =144 u e du144

Resolvemos por Integracin por Partes:

w=u2 dv=e u du

dw=2udu v=e u

Y =144 [ u e 2 u e du ]
2

2 u

Una vez ms aplicamos Integracin por Partes:

m=u dn=e u du

dm=du n=e u

2Y =144 u2 eu2 ( u eu eu du ) 144

2Y =144 [ u2 e u2 u eu +2 e u ] 144

x2 4 x
=144
e + e
16
2
2
Y

x
4

+2 e

x
4

]{

144
0

Se aplica LHopital para evaluar en

2Y =144 [ ( 0 )(2) ] 144

2Y =288144
2Y =144

1
BIBLIOGRAFIA

Probabilidad y
Myers.Pearson.

Estadstica

para

Ingeniera

Ciencias

9a

Edicin.Walpole.Myers.

Universidad Don Bosco

Estadstica I

Introduccin a la Probabilidad Francisco Montes Suay

Trabajo Cooperativo II