FNI

Variables
aleatorias
continuas
ESTADÍSTICA

Santiago Páez Jaimes

01 Juan David Vargas
Lida Parra Suárez
 Una variable aleatoria continua es una función X que
FNI ¿Qué son? asigna a cada resultado posible de un experimento
un número real.
Si X puede asumir cualquier valor en algun intervalo
I (el intervalo puede ser acotado o desacotado), se
llama una variable aleatoria continua.

02
FUNCIÓN DE DISTRIBUCIÓN
No son funciones de tipo escalón, sino suaves.

03
¿PARA QUÉ SIRVEN? Y ¿CUANDO
USARLAS?
Cuando los datos que se registran son continuos, por
ejemplo:
Estatura de una persona.
Contenido de glucosa en una solución.
Porcentaje de hierro en un mineral.
Tiempo desde que un enfermo comienza un
tratamiento hasta que se observa una mejoría o un
agravamiento.
Tiempo de duración de una lamparita hasta que
falla.
Se usan otro tipo de variables aleatorias como modelo
probabilistico: las variables aleatorias continuas.
04
FNI
EJEMPLO 1
POBLACIÓN DEL COLEGIO POR EDAD
La siguiente tabla muestra la
distribución chicos estadounidenses
(mayores de 16 años) que asistían al
colegio durante 1980, ordenada por
edad:
Trace el histograma de la distribución de probabilidad para
X= la edad de un universitario elegido al azar.
Solución
Las entradas de la última fila son denominadas como las
frecuencias y la tabla como una distribución de frecuencias.
Al sumar las frecuencias, observamos que el número total de
universitarios durante 1980 fue 12.4 millón. Por lo tanto,
podemos convertir todos aquellos datos en probabilidades
por dividir entre este total.
05
 La tabla nos informa que:

P (15<X<20) = 0.22
y
P (X > 35) = 0.15
Ya partir de ésta información podemos también trazar
el histograma.

06
FNI Age
Probability

EXAMPLE 2
Plot the histogram of the probability distribution, and use it
to evaluate the following:
a. P (0 < X < 4)
b. P (X > 4)
c. P (2 < X < 3.5)
CONTINUOUS RANDOM
VARIABLES Solution
When we plot the histogram of the probability we get this:
A survey finds the following
probability distribution for the
age of a rented car:

07
a. We can calculate P (0 < X < 4) through the table by adding
the corresponding probabilities:

c. To calculate P (2 X 3.5), we have to make an approx., since

neither the table nor the histogram has subdivisions of
width 0.5. With reference to the histogram, we can
= 0.20+0.28+0.20+0.15 = 0.83 approximate the probability by the area shown below:

b. Similarly, P (X > 4) is expressed by the area of the

unshaded region in the figure above, so the process would
be the same than before:

= 0.10+0.05+0.02 = 17
= 0.20+1/2(0.15) = 0.275

08
FNI

¡GRACIAS POR
ASISTIR!