1 VARIABLES ALEATORIAS CONTINUAS

Variables Aleatorias Continuas

1. Variables Aleatorias Continuas

Una variable aleatoria continua es aquella que puede asumir cualquier valor en algún intervalo
real. Por ejemplo, la variable X definida como el tiempo de espera para recibir una compra hecha
por internet toma valores mayores que cero y por tanto su espacio es E =]0, ∞[. Naturalmente, en
ese intervalo algunos tiempos de espera son más probables que otros y la función que da cuenta de
ese hecho se llamará función de densidad de probabilidad.
Definición 1.1. Se dice que f (x) es una función de densidad de probabilidad para la variable
aleatoria continua X si reune las tres propiedades siguientes.
1. f (x) ≥ 0 para todo x ∈ R
R∞
2. −∞ f (x)dx = 1
Rb
3. P (a < X < b) = a
f (x)dx
El lector debe notar que el primer significado o interpretación de la integral en este texto es el
de una probabilidad de acuerdo a la tercera parte de la Definición 1.1.
Definición 1.2. La función de distribución de probabilidad acumulada de una variable aleatoria
continua X, anotada F (x), está definida por:
Z x
F (x) = P (X ≤ x) = f (t)dt, −∞ < x < ∞ (1)
−∞

El siguiente ejemplo ilustra las Definiciones 1.1 y 1.2 y también permitirá ilustrar algunas pro-
piedades de las funciones de densidad y distribución.
Ejemplo 1. Sea la densidad de probabilidad
(
cx2 0≤x<1
f (x) =
0 en otro caso

a) Calcule la constante c.
b) Determine la función de distribución F (x).
c) Calcule P (0 ≤ X ≤ 0, 5) y P (0, 5 < X ≤ 1).
Solución
a) La constante c se determina de modo que f (x) cumpla la propiedad 2. de la Definición 1.1.
R∞ R1
−∞
f (x)dx = 0 cx2 dx = cx3 /3 |10 = c/3. Esta integral vale 1 si c = 3
Rx Rx
b) Para x < 0, F (x) = −∞ f (t)dt = −∞ 0dt = 0
Rx R0 Rx
Para 0 ≤ x < 1, F (x) = −∞ f (t)dt = −∞ 0dt + 0 3t2 dt = t3 |x0 = x3
Rx R0 R1 Rx
Para 1 ≤ x, F (x) = −∞ f (t)dt = −∞ 0dt + 0 3t2 dt + 1 0dt = t3 |10 = 1
Entonces, la función de distribución F (x) es,

0
 x<0
F (x) = x3 0 ≤ x < 1

1 x≥1


Las figuras 1 y 2 muestran la densidad y la distribución de este ejemplo.

1
 1 VARIABLES ALEATORIAS CONTINUAS

1.0
3
● ●●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
● ●
●
● ●
● ●
●
● ●
● ●
●
● ●
● ●
●
● ●
● ●
●
● ●
● ●
●
● ●
● ●
●● ●
● ●
●
● ●
● ●
● ●
●
● ●
● ●
●
● ●
● ●
●
● ●
● ●
●
● ●
● ●
●
● ●
● ●
● ●
●
● ●
● ●
●
● ●
● ●
●
● ●
●
●
● ●
●● ●
●
●
● ●
●
● ●
● ●
2

●
● ●
●
●
● ●
●● ●
●
● ●
●
●
● ●
●● ●●
●
● ●
●
● ●
●
●
● ●
●
● ●
●
●
● ●
●
● ●
●
●
● ●
●● ●
●
●
● ●
● ●

F(x)
●
● ●
f(x)

0.5
●
● ●
●
●
● ● ●
●● ●
●
●
● ●
●
● ●
●
●● ●
●
● ●
●
●
● ●
●
● ●
●
●
● ●
●
●
● ●
●
● ●
●
●
● ●
●● ●
●
●
● ●
●
● ●
●
●● ●
●
● ●
●
●
● ●
●
●
●
● ●
●
● ●
●
●● ●
●
● ●
1

●
●
● ●
●
●
●
● ●●
●
● ●
●
●
●● ●
●
●
● ●
●
●
●● ●
●
●
● ●
●
●●
● ●
●
●
● ●
●
●●
● ●●
●
● ●
●
●
●
●
● ●
●
●
● ●
●
●
●● ●●
●
● ●
●
●
●● ●
●
● ●
●
●
●● ●●
●
●
● ●
●
●
● ●
●● ●
●
●
● ●
●
●
● ●
●● ●
●
●
● ●
●
●
● ●●
●● ●
●
●
● ●
●
●
●
● ●●
● ●●
●
●
●● ●
●
●● ●
●
●
●●
● ●
●
●
●●
● ●●
●
●●
● ●●
●
●
●●
● ●
●●
●
●
●
●● ●●
●
●●
●
●
● ●
●
●●

0.0
●
●
●●
●
● ●
●●
●
●●
●
●
●●
●
●●
●
● ●●
●
●●
●
●●
●
●●
0

●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
● ●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
● ●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●

−1 0 1 2 −1 0 1 2

x x

Figura 1: Densidad f (x) = 3x2 , 0 ≤ x < 1 Figura 2: Distribución F (x) = x3 , 0 ≤ x < 1

c) Conociendo la función de distribución ahora es fácil calcular probabilidades

P (0 ≤ X ≤ 0, 5) = F (0, 5) − F (0) = 0, 53 − 03 = 0, 125
P (0, 5 < X ≤ 1) = F (1) − F (0, 5) = 13 − 0, 53 = 1 − 0, 125 = 0, 875 
Observaciones 1.1. La función de distribución F (x) de una variable aleatoria continua satisface
algunas propiedades similares al caso discreto, pero otras propiedades son diferentes.
1. F (x) es no decreciente. Esto es, si x1 < x2 , entonces F (x1 ) ≤ F (x2 ).
2. lı́mn→−∞ F (x) = 0, lı́mn→∞ F (x) = 1.
3. F (x) es continua.
4. Para cada x, P (X > x) = P (X ≥ x) = 1 − F (x).
Rc
5. P (X = c) = c f (x)dx = F (c) − F (c) = 0.
Rb
6. P (a ≤ X ≤ b) = P (a < X ≤ b) = P (a ≤ X < b) = P (a < X < b) = a
f (x)dx = F (b) − F (a).
7. F (x) = f (x) para todo punto de continuidad de f (x). Por ejemplo, en la Figura 2, F 0 (x) =
0

f (x) para todo x excepto en x = 1.

Ejemplo 2. Sea X la utilidad neta obtenida por la venta de cierto producto. La de densidad de
probabilidad de esta variable es,
(
3
(1 − x2 ) , −1 ≤ x ≤ 1
f (x) = 4
0 , en otro caso
Calcule la mediana de la variable aleatoria X.
Solución
Por definición la mediana de una variable aleatoria es el valor que acumula el 50 % de la probabilidad.
Si m es ese valor, entonces la condición es que
F (m) = P (X ≤ m) = 0, 50
Z m
3
⇔ (1 − x2 )dx = 0, 50
−1 4
3
⇔ (x − x3 /3)|m
−1 = 0, 50
4
3
⇔ (m − m /3) − (−1 + 1/3) = 2/3
⇔ m(1 − m2 /3) = 0
√
⇔ m=0∨m= 3 

2
 1 VARIABLES ALEATORIAS CONTINUAS

La mediana es m = 0. La otra solución se descarta porque −1 ≤ x ≤ 1.

Ejercicios Sección 1
1. Una variable aleatoria X tiene la siguiente densidad de probabilidad,
(
k ,2 < x < 5
f (x) =
0 , en otro caso

a) Encuentre la constante k y dibuje f (x).

R∞
b) Compruebe sin usar integrales que −∞ f (x)dx = 1
c) Encuentre y grafique la distribución F (x).
d) ¿Se cumple para todo x que F 0 (x) = f (x)?.
e) Encuentre el valor de t tal que P (X ≤ t) = 0, 60.
f) ¿Cuál es la principal caracterı́stica de este modelo de probabilidad?
R. a) k = 1/3 b) (5 − 2)/3 = 1 c) F (x) = 0; x ≤ 2, F (x) = (x − 2)/3; 2 <
x < 5 y F (x) = 1; x ≥ 5 d) Para todo real excepto en x = 2 y x = 5. e) t = 3, 8
f) La probabilidad de que X tome valores entre c y c +  es /3 para cualquier c entre 2 y 5.
2. Una variable aleatoria X tiene la siguiente densidad de probabilidad,
(
ke−3x x > 0
f (x) =
0 en otro caso

a) Encuentre la constante k y dibuje f (x).

b) Encuentre y grafique la distribución F (x).
c) Encuentre el valor de t tal que P (X ≤ t) = 0, 8347.
d) ¿Se cumple para todo x que F 0 (x) = f (x)?.
e) ¿Cuál es la principal caracterı́stica o rasgo de este modelo de probabilidad?
R. a) k = 3 b) F (x) = 0 para x ≤ 0 y F (x) = 1 − e−3x para x > 0 c) t ≈ 0, 6
d) Si, en todo real excepto en x = 0 e) La probabilidad P (X > t) = e−3t decae de
manera exponencial de modo que valores positivos y pequeños de X son más probables.
3. Explique por qué la siguiente función no puede ser una densidad de probabilidad.
(
k
,x > 1
f (x) = x
0 , en otro caso

R. Porque no integra 1.
4. Se ha encontrado que el tiempo X que requieren los estudiantes para terminar cierto examen
de 2 horas es una variable aleatoria con densidad de probabilidad dada por
(
cx3 , 0 ≤ x ≤ 2
f (x) =
0 , en otro caso

a) Calcule c.
b) ¿Cuál es el tiempo promedio µ que los estudiantes emplean para responder el examen?.
c) Determine E(X 2 ) y úselo junto con µ para calcular la desviación estándar σ de X.
d) Determine la función de distribución F (x) = P (X ≤ x) para todo x ∈ R.
e) Si se sabe que un estudiante requiere al menos 30 minutos para terminar el examen, calcule
la probabilidad de que requiera al menos una hora para concluir el examen.
R: a) 1/4 b) 8/5 c) 0,3266 d) F (x) = x4 /16, 0 ≤ x ≤ 2 e)
0,9412

3
 1 VARIABLES ALEATORIAS CONTINUAS

5. Considere la siguiente función de distribución.



 0 ,x < 0

0, 10 ,0 ≤ x < 1





0, 1x2 − 0, 2x + 0, 3 ,1 ≤ x < 2





0, 3 ,2 ≤ x < 3
F (x) =


 0, 4x − 0, 9 ,3 ≤ x < 4
0, 9 ,4 ≤ x < 5





1 − 0, 1(x − 6)2 ,5 ≤ x < 6





1 ,x ≥ 6


Grafique F (x) y determine cada una de las siguientes probabilidades

a) P (X = 0) b) P (X = 1) c) P (X < 1)

d) P (X ≤ 1) e) P (1 < X ≤ 4) f) P (1 ≤ X < 4)
R.
g) P (−0, 5 < X < 4) h) P (3, 5 < X ≤ 4, 6) i) P (3 < X < 7)
j) P (4 ≤ X ≤ 5) k) P (X > 6) l) P (X ≥ 6)
a) 0,1 b) 0,1 c) 0,1 d) 0,2 e) 0,7 f) 0,6 g) 0,7
h) 0,4 i) 0,7 j) 0,2 k) 0,0 l) 0,0
6. Un inversionista puede comprar N1 acciones disponibles de la compañia de seguros T GC y N2
acciones disponibles de la administradora de fondo de pensiones LIV E. Sin embargo, decide
comprar solo una proporción X de las acciones de T GC y solo una proporción (1 − X) de las
acciones de LIV E de modo que el número total de valores a comprar es XN1 + (1 − X)N2 .
El inversionista sabe que para esta inversión la proporción X es una variable aleatoria con la
siguiente densidad de probabilidad.
(
6x(1 − x) 0 ≤ x ≤ 1
f (x) =
0 en otro caso

a) De acuerdo a la gráfica de f (x), ¿qué decisiones del inversionista son más probables?
¿cuáles son menos probables?
b) Determine la probabilidad de que la decisión sea escoger una proporción en el rango
0, 4 ≤ X ≤ 0, 6.
c) Determine la probabilidad de que la decisión sea escoger una proporción en el rango
X ≤ 0, 1 o X ≥ 0, 9.
R. a) La decisión más probable es escoger una proporción x igual a 0,5 o cerca de este
valor. La decisión menos probable es escoger proporciones x cerca de 0 o 1 b) 0,296
c) 0,056
7. Un plan de abastecimiento para una cadena de restaurantes de comida rápida tiene una ruta
que en principio se debe recorrer en 7 horas. En ocasiones, el tiempo de entrega se alarga a cau-
sa de los congestionamientos de tráfico y otros problemas. Los registros de tiempo requerido en
horas X indican que se le puede tratar como una variable aleatoria continua con distribución
de probabilidad F (x) = 1 − (x − 6)−4 , x ≥ 7.
a) El empleado que hace las entregas recibe un pago por horas extras si el recorrido requiere
más de 8 horas. ¿Cuál es la probabilidad de que el recorrido requiera del pago de horas extra?
b) Si el recorrido requiere más de 9 horas, algunos restaurantes se quedan sin suficiente produc-
to. ¿Cuál es la probabilidad de que el recorrido requiera del pago de horas extras sin ocasionar
desabastecimiento en los restaurantes?
R: a) 0,0625 b) 0,0502

4
 1 VARIABLES ALEATORIAS CONTINUAS

8. Sea X variable aleatoria continua con función de densidad f (x) y función de distribución F (x).
Para un número fijo c defina la función
(
f (x)
,x ≥ c
h(x) = 1−F (c)
0 ,x < c

¿Es h(x) una función de densidad de probabilidad? ¿Qué restricciones hay que hacer?.
9. En un estudio del caudal de un rio se pone la marca más baja de la altura en 1 metro de modo
que la marca más alta X puede ser bien modelada por la función de distribución siguiente.
FX (x) = 1 − 1/x2 , 1 ≤ x < ∞
a) Verifique que FX (x) es una función de distribución.
b) Encuentre la función de densidad de probabilidad de X.
c) ¿Con el modelo anterior, qué tan probable es que el rio alcance una marca de 2,3 metros o
más?.
d) Si la altura del caudal es mayor a 2,5 metros el rio produce la inundación de la ciudad por
donde pasa. Si en una época lluviosa la altura ya superó la marca de 2,3 metros, ¿qué tan
probable es que se produzca la inundación de la ciudad?
e) Si en una época de sequı́as la marca más baja es puesta en 0 metros y ahora se usa una
nueva medida de altura del caudal que es 1/10 de la usada previamente, entonces la marca
más alta ahora es Y = 10(X − 1). Encuentre FY (y).