Variables Aleatorias

Distribuciones
Continuas
 Variables Aleatorias Continuas

• Cuando el experimento  se realiza sobre un espacio

muestral  que está relacionado con escalas intervalares
(tales como mediciones de distancias, volúmenes, pesos, tiempos, velocidad,
voltajes, intensidad, caudal, temperatura etc.); y ya que los posibles
valores de X en un intervalo, a < x < b, son infinitos -no
enumerables- no podemos hablar del i-ésimo valor de X = xi;

• En tal situación se habla de Variables Aleatorias Continuas,

donde Rx es un intervalo o un conjunto de intervalos;
entonces existe una función continua especial
f: R R

f(x) = lim h → 0 P(x < X < x + h) >0

h
 Variables Aleatorias Continuas
Sea X una variable
aleatoria continua. La f(x) A: un evento
función densidad de
probabilidad (pdf) es
una función que
satisface:
a b x
f(x) > 0;
A: { x| a ≤ x ≤ b)
 x  Rx  -, +
b

 f(x) dx = 1 P(A) = P(a < x < b) =

 f( x ) dx
a
Rx
Observaciones b


1. P ( a  x  b ) = f ( x ) dx
a x
2. F ( x ) = P ( X  x ) =  f (t ) dt
-
3. F (-) = 0 ; F () = 1 b
f(x) A =  f ( x ) dx
4. Fx es no decreciente a

   xf ( x ) dx
5. E X = a b x
|R

    
6. V X = ( x - E X ) f ( x ) dx
2

R
 Función de Distribución Acumulada
Si X es una variable aleatoria, la Función de Distribución Acumulada
mide la probabilidad de un suceso en un intervalo de valores:

F(x) = P(X  x)

Si
Si X
X es
es una
una v.a.
v.a. Discreta
Discreta Si X es una v.a. Continua

S f(x )
x
F(x) = i F(x) =  f(t) dt
 i  xi  x -

Donde la suma es Donde la sumatoria es

tomada sobre todos los reemplazada por una
índices i que satisfacen integración para todos los
xi  x valores de t  x
 Construcción de Modelos de Probabilidad

Sea F : R R, Fu Distribución, entonces:

i) F es no decreciente
ii) F es continua por la derecha
iii) lim F(x) = 0  lim F(x) = 1
Luego P( - , x ) = F(x) define una Probabilidad
Además: P( a,b ) = F(b) - F(a)
P( a,b ) = F(b) - F(a-)
P( a,b ) = F(b-) - F(a)
P( a,b ) = F(b-) - F(a-)
 Distribuciones Continuas Especiales

1. Distribución Uniforme: Notación: X  U( a , b )

Dada la función de densidad
1
f ( x) = a xb
b-a
La función de Distribución es 0 xa
x-a
F ( x) = a xb
b-a
1 xb
a+b (b - a ) 2

EX  = V X  =
2 12
Es una distribución en el intervalo [a, b] en la cual las probabilidades
son las mismas para todos los posibles resultados, desde el mínimo
de “a” hasta el máximo de “b”.
 Ejemplo
Un fabricante de correas de motores de cierto tipo de vehículos,
recomienda el cambio de esta pieza cada 120000 km, si el
vehículo ha recorrido esta cantidad, la correa puede fallar en
cualquier momento en los siguientes 40000 km con la misma
probabilidad en cada punto de dicho rango.
a) ¿Cuál es la probabilidad que la correa falle antes de recorrer
los 150000?, si ya recorrió los 120000 km
X: miles de km recorridos antes de que falle la correa
X : U [120, 160]
b) Si una correa ya recorrió los 120000 km Cuál es la
probabilidad de que dicha corre falle entre los 140000 y los
155000 km?
 Ejemplo Sea X una variable aleatoria continua que puede
tomar cualquier valor entre a  x  b; cuya pdf es:
1 a xb
f (x ) =
b-a
f(x) Sea X una v.a. uniforme en el intervalo [3,12]
0,2

A: el evento { 4 < x < 7 }

0,1 Entonces, calcular

7


x
1
=
0,0
2 3 4 5 6 7 8 9 10 11 12 P(A) = P(4 < x < 7) dx
a b
9
4
min máx P(A) = 1/3
Distribuciones Continuas Especiales

2. Distribución Gamma

x
FX ( x ) = P ( X  x ) =  f (t ,  ,  ) dt
-

E X  =   V X  =   2

Para obtener los cálculos, se usa la tabla de la distribución

gamma.
Función Densidad de Probabilidades

Una de las mas usadas en Hidrología.

• Crecientes máximas anuales
• Caudales mínimos
• Volúmenes de flujo anuales y estacionales
• Valores de precipitaciones extremas
• Volúmenes de lluvia de corta duración
Distribuciones Continuas Especiales

3. Distribución Beta X   ( r , s ) si y solo si

 ( r + s ) r -1 s -1
f X ( x, r , s ) = x (1 - x ) I ( x)
 ( r ) ( s )
0 ,1

1
 ( r , s ) =  x r -1 (1 - x ) s -1 dx
0


 ( n ) =  y e dy n -1 - y
n0
0
  ( r ) ( s )
 (r , s) =
( r + s )

V X  =
rs
E X  =
r
r+s ( r + s ) ( r + s + 1)
2

EX  
=
 ( r + s ) ( r + u )
 ( r ) ( r + s + u )
x
FX ( x ) = P ( X  x ) =  f (u , r , s )du
-
Función Densidad de Probabilidades
4. Distribución Exponencial

La distribución exponencial es utilizada para modelar tiempos de vida útil

o de sobrevivencia.
Una variable aleatoria continua tiene distribución exponencial si su
función de densidad de probabilidades es:

f ( x ) =  e - x
Se utiliza con frecuencia, para
modelizar la duración (vida de
personas, animales o
componentes físicos; duración
de huelgas, recesiones
económicas, etc.) o el tamaño
(duración de llamadas, tamaño
de yacimientos, etc.)

La distribución exponencial está relacionada con la

distribución de Poisson.

Concretamente, si el número de ocurrencias de un suceso

en un intervalo de tiempo sigue una distribución de Poisson
con media, puede probarse que el tiempo que pasa entre
dos ocurrencias consecutivas del suceso sigue una
distribución exponencial de media.