Está en la página 1de 26

Variable Aleatoria

 Variable aleatoria continua.


 Función de cuantía y función de densidad.
 Valor Esperado y Varianza de una variable aleatoria.

VARIABLE CONTINUA

1. La venta mensual del detergente “Blanquita ”, en miles de soles, de una cadena local de
tiendas, es una variable aleatoria, X, que se puede modelar con una función de densidad de
probabilidad (f.d.p.) de la forma siguiente: R: 3/7

𝒇(𝒙) = 𝒌𝒙𝟐 , 1< x ≤ 2


a) Hallar el valor de la constante k.

X: Venta mensual del detergente Blanquita (en miles de soles).


Rx= 1< x ≤ 2
f(x) es una función de densidad de probabilidad, entonces se cumple

que: ∫−∞ 𝑓(𝑥 )𝑑𝑥 = 1. ∫𝑅𝑥 𝑓(𝑥) 𝑑𝑥 = 1
En este caso tenemos:
2
∫ 𝑘𝑥 2 𝑑𝑥 = 𝟏
1

Resolvemos la integral y despejamos 𝑘:

2 𝑥=2
2
𝑥3
𝑘 ∫ 𝑥 𝑑𝑥 = 1 → 𝑘 [ ] =𝟏
1 3 𝑥=1

7 𝟑
→ 𝑘( ) = 𝟏 → 𝒌 =
3 𝟕

Ahora sabemos que K=3/7, entonces:

1
𝒇(𝒙) = 𝟑/𝟕𝒙𝟐 , 1< x ≤ 2

b) Determine el valor esperado y el coeficiente de variación de la venta mensual del


detergente “Blanquita”.

La esperanza de X = valor esperado de X = promedio poblacional de X


= media poblacional de X, está dada por:

E( X)  
RX
xf ( x )dx

2 2 𝑥=2
𝟑 𝟐 3 3 3 𝑥4
𝐸 (𝑋) = ∫ 𝒙 ( 𝒙 ) 𝑑𝑥 = ∫ 𝑥 𝑑𝑥 = [ ] = 𝟏. 𝟔𝟎𝟕𝟏𝟒𝟐𝟖𝟓𝟕.
1 𝟕 1 7 7 4 𝑥=1

También hallamos la 𝐸 (𝑋 2 ) porque es un dato que se requiere para


hallar la V(X):
E( X 2 )  
RX
x 2 f ( x )dx

2
2)
𝟑
𝐸 (𝑋 = ∫ 𝒙𝟐 ( 𝒙𝟐 ) 𝑑𝑥
1 𝟕
2 𝑥=2
3 4 3 𝑥5
= ∫ 𝑥 𝑑𝑥 = [ ] = 𝟐. 𝟔𝟓𝟕𝟏𝟒𝟐𝟖𝟓𝟕.
1 7 7 5 𝑥=1
La varianza es:

𝑉(𝑋) = 𝐸(𝑋 2 ) − (𝐸(𝑋))2

Reemplazando los valores:

𝑉 (𝑋) = 2.6571 − 1.60712 =0.07432959

La Desviación estándar es:

σ = √V(x)

2
σ = √0.0743 = 0.27263454
El Coeficiente de variación de la variable X, está dado por:

𝜎
𝑉 (𝑋 ) = ∗ 100
𝜇

Donde: 𝜇 = 𝐸 (𝑋) = 𝑀𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙

0.27263454
𝐶. 𝑉 (𝑋) = ∗ 100
1.6071

𝐶. 𝑉 (𝑋) = 16.96 % . El CV es menor a 30%, entonces se observa


homogeneidad en la distribución de la variable X.
R: E(X)= 1.6071; E(X2)=2.6571; V(X)=0.0743; CV(X)=16.96 %

Adicional 1:
Tenemos la variable Y definida de la siguiente manera:
Y = 5X + 3.25
Hallar el CV de a variable Y ¿En la distribución de cuál de las variables (X
o Y) se observa mayor homogeneidad?
𝜇y = E(Y) = E(5X + 3.25) = 5*E(X) + E(3.25) = 5*1.6071 + 3.25 = 11.2855
𝜎𝑦2 = V(Y)=V(5X+3.25) = 25*V(X) + V(3.25) = 25*0.07432959 + 0 = 1.85823975

Ahora hallamos la desviación estándar de la variable Y que es la raíz de la


varianza:

σy = √V(y) = √𝟏. 𝟖𝟓𝟖𝟐𝟑𝟗𝟕𝟓 = 1.363172678


σy
CV(Y) =
E(Y)
∗ 100 = 1.363172678/11.2855*100 = 12.0789746 %

3
¿En la distribución de cuál de las variables (X o Y) se observa mayor
homogeneidad?

𝐶. 𝑉 (𝑋) = 16.96 %
𝐶. 𝑉 (𝑌) = 12.08 %
𝐶. 𝑉 (𝑌) < 𝐶. 𝑉 (𝑋), 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎 𝑚𝑎𝑦𝑜𝑟 ℎ𝑜𝑚𝑜𝑔𝑒𝑛𝑒𝑖𝑑𝑎𝑑
𝑒𝑛 𝑙𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑋

Adicional 2:
X: Venta mensual del detergente Blanquita (en miles de soles).
Rx= 1< x ≤ 2
𝒇(𝒙) = 𝟑/𝟕𝒙𝟐 , 1< x ≤ 2

Se sabe que las ventas del detergente Blanquita son excelentes cuando son
mayores a 1500 soles. Calcule la probabilidad que las ventas de detergente
Blanquita sean excelentes.
Observación: 1500 Soles = 1.5 miles de soles (considerando las unidades de
la variable de estudio)
P(ventas de detergente Blanquita sean excelentes) = P( X > 1.5)
P( X > 1.5) =

2
3 2
∫ 𝑥 𝑑𝑥 = 0.6607142857
1.5 7

4
2. PPT V. ALEATORIA CONTINUA : EJEMPLO 1:
El tiempo X, en horas, que se invierte en ensamblar cierto artículo se puede modelar con una
función de densidad de probabilidad ( f.d.p.) de la forma siguiente:
kx 0  x  4
f x  
 0 otro caso
a) Hallar el valor de la constante k. R:1/8

X: Tiempo que se invierte en ensamblar cierto artículo (en horas).


Rx= [0;4]…Rango o recorrido (conjunto infinito de valores)
f(x) es una función de densidad de probabilidad, entonces se cumple que:

∫ 𝑓(𝑥) 𝑑𝑥 = 𝟏
𝑅𝑥

4
∫ 𝑘𝑥𝑑𝑥 = 𝟏
0
𝑥=4
4 𝑥2
𝑥𝑑𝑥 = 𝐾 [ ] = 𝑘(8 − 0) = 𝟏
→ 𝑘∫ 2
𝑥=0
0
→ 𝑘(8) = 𝟏
𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑛𝑑𝑜 … … . 𝑘 = 1/8

5
b) Calcular la probabilidad de que el tiempo de ensamblaje esté entre 1.5 y 3 horas.
R:0.421875
Ahora reemplazo K=1/8 en f(x)

f(x) = 1/8X donde: 0<= x <=4

X: Tiempo que se invierte en ensamblar cierto artículo (en horas).


Rx= [0;4]

𝑷(𝟏. 𝟓 < 𝑿 < 𝟑) =


3 𝑥=3
1 1 𝑥2
=∫ 𝑥𝑑𝑥 = [ ]
1.5 8 8 2 𝑥=1.5
1 9 2.25
= ( − ) = 0.421875
8 2 2
c) Dado que (Si) el tiempo de ensamblaje de cierto artículo es por lo
menos una hora y media, ¿Cuál es la probabilidad de que la duración de este
ensamblaje sea de a lo más 3 horas? R: 0.490909

Probabilidad condicional: Probabilidad de la intersección entre


probabilidad de la condición.

𝑷(𝟏. 𝟓 ≤ 𝑿 ≤ 𝟑)
𝑃(𝑿 ≤ 𝟑 / 𝑿 ≥ 𝟏. 𝟓) =
𝑃(𝑿 ≥ 𝟏. 𝟓)
3 1
∫1.5 8 𝑥𝑑𝑥 0.421875
= = = 0.49091
4 1 0.859375
∫1.5 8 𝑥𝑑𝑥

6
Donde:
4 𝑥=4
1 1 𝑥2 1 16 2.25
=∫ 𝑥𝑑𝑥 = [ ] = ( − )
1.5 8 8 2 𝑥=1.5 8 2 2
= 0.859375

3. PPT V. ALEATORIA CONTINUA: EJEMPLO 2: El porcentaje de utilidad en


una transacción económica es una variable aleatoria cuya función de densidad de probabilidad
(f.d.p.) es la siguiente:
f(x) = kx2 0  x 1
Rx = Entre 0 y 1 hay infinitos valores.
Rx= [0;1>
a) Hallar la constante k. R: K=3

X: Porcentaje de utilidad en una transacción económica (en porcentaje).

f(x) es una función de densidad de probabilidad, entonces se cumple que:

∫𝑅𝑥 𝑓(𝑥) 𝑑𝑥 = 𝟏 PROPIEDAD

1 2
∫0 𝑘𝑥 𝑑𝑥 =𝟏 donde : Rx: 0  x  1
Rx= [0;1>

7
1 3 𝑥=1
𝑥2
→ 𝑘 ∫ 𝑥 𝑑𝑥 = 𝐾 [ ]
0 3 𝑥=0
1
= 𝑘 ( − 0) = 𝟏
3
𝑘
=𝟏
3
𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 → 𝒌 = 𝟑
Ahora que conocemos el valor de K=3, entonces tenemos totalmente
definida nuestra función de densidad de probabilidad (f.d.p.),
entonces sabemos que:

f(x) = 𝟑𝑥 2 𝑑𝑥 𝑑𝑜𝑛𝑑𝑒 0  x  1
b) Calcule la probabilidad de que el porcentaje de utilidad sea superior al 75%
R: 0.578125
𝑐

 ∫ 𝑓 (𝑥) 𝑑𝑥 = 𝑃(𝑏 ≤ 𝑋 ≤ 𝑐)
𝑏
X: Porcentaje de utilidad en una transacción económica (en porcentaje).

1 𝑥=1
2
𝑥3
𝑷(𝑿 > 𝟎. 𝟕𝟓) = ∫ 𝟑𝑥 𝑑𝑥 = 3 [ ] = 0.578125
0.75 3 𝑥=0.75

8
1 3 𝑥=1
𝑥 2
3 ∫ 𝑥 𝑑𝑥 = 3 [ ]
0.75 3 𝑥=0.75
1
= 3 ( − 0.140625) = 0.578125
3

c) Si (dado que) se sabe que el porcentaje de utilidad es superior a 75%


¿Cuál es la probabilidad de que sea a lo más 90%? R: 0.531243

Recordando: Una probabilidad condicional se resuelve así: en el numerador: la


probabilidad de la intersección y en el denominador:la probabilidad de la condición.

𝑃(0.75 < 𝑋 ≤ 0.90)


𝑃(𝑋 ≤ 0.90 / 𝑿 > 𝟎. 𝟕𝟓) =
𝑷(𝑿 > 𝟎. 𝟕𝟓)
0.90
∫0.75 3𝑥 2 𝑑𝑥
0.307125
= 1 = = 𝟎. 𝟓𝟑𝟏𝟐𝟒𝟑
2
∫0.75 3𝑥 𝑑𝑥 0.578125

d) Determine el valor esperado, la varianza, la desviación estándar y el CV del porcentaje de


utilidad de dicha transacción económica (X).
R: E(X)= 0.75, E(X2)=0.60, V(X)= 0.0375, x=0.193649, CV(X)=25.82%

f(x) = 𝟑𝑥 2 𝑑𝑜𝑛𝑑𝑒 : 0  x  1
Rx= [0;1>

E( X) 
RX
 x f ( x )dx

9
1
𝜇𝑥 = 𝐸(𝑋) = ∫ 𝒙 (𝟑𝒙𝟐) 𝑑𝑥
0
4 𝑥=1
=∫
1
𝟑 𝑥
𝟑𝒙 𝑑𝑥 = 3 [ ] = 3/4 (1 − 0)
0 4 𝑥=0
= 0.75
E(X) = 𝜇 = 0.75 (Valor esperado = Media o promedio
poblacional)

E( X 2 )  x
2
f ( x )dx
RX
1
𝐸 (𝑋 2 ) = ∫ 𝒙𝟐 (𝟑𝒙𝟐 )𝑑𝑥
0
1 5 𝑥=1
𝑥
= ∫ 𝟑𝒙𝟒 𝑑𝑥 = 3 [ ]
0 5 𝑥=0
= 3/5(1 − 0) = 0.60

𝑉(𝑋) = 𝐸(𝑋 2 ) − (𝐸(𝑋))2


𝜎𝟐 = 𝑉 (𝑋) = 0.60 − 0.752 = 0.0375
0.60 − 0.5625 = 0.0375

10
Desviación estándar de la variable X:

σx = √V(x)

𝜎𝑋 = √0.0375 = 0.193649
𝜎𝑥
𝐶𝑉(𝑋) = ∗ 100
𝜇

0.193649
𝐶. 𝑉 (𝑋) = ( ) ∗ 100 = 𝟐𝟓. 𝟖𝟏𝟗𝟗 %
0.75
El CV es menor a 30%; entonces se observa homogeneidad en la
distribución de la variable X.

e) Supongamos que debido a ciertas medidas decretadas por el gobierno, en las transacciones
económicas del ejemplo desarrollado anteriormente el porcentaje de utilidad obtenido se ha
modificado de la siguiente manera: Y = 1.5X + 0.7
Donde Y= Nuevo porcentaje de utilidad después de las medidas decretadas por
el gobierno (después de realizada la modificación).

Determine la media, la varianza y el CV de la utilidad luego de realizada la modificación.


R: E(Y)=1.825, V(Y)= 0.084375 CV(Y)=15.91%

𝜇𝑦 = 𝐸 (𝑌) = 𝐸 (𝟏. 𝟓𝑿 + 𝟎. 𝟕) = 1.5𝐸 (𝑋) + 0.7 =


1.5(0.75) + 0.7 = 𝟏. 𝟖𝟐𝟓……..Valor esperado o media poblacional
de la variable Y

𝑉 (𝑌) = 𝑉 (𝟏. 𝟓𝑿 + 𝟎. 𝟕) = (1.5)2 𝑉(𝑋) + 0 =


(2.25) ∗ (0.0375) = 𝟎. 𝟎𝟖𝟒𝟑𝟕𝟓
Desviación estándar de la variable Y: 𝜎𝑦 = √0.084375 =0.29047375

𝜎𝑦 0.29047375
𝐶. 𝑉 (𝑌) = ∗ 100 = ( ) ∗ 100 = 15.9164 %
𝐸(𝑦) 1.825

11
El CV(Y) < 30% Entonces se observa homogeneidad en la distribución de la variable Y.
Adicional: ¿Qué distribución es más homogénea, la distribución de X o
la distribución de Y?

CV(X) = 25.8199 %
CV(Y) = 15.9164 %
La distribución de la variable Y es más homogénea : CV(Y) < CV(X)

4. PPT V. ALEATORIA CONTINUA: EJEMPLO 3: El tiempo X, en horas, que


se invierte en ensamblar cierto artículo se puede modelar con una función de densidad de
probabilidad (f.d.p.) de la forma siguiente:

f(x) = 2x, 0<x<1


Calcule las siguientes probabilidades: Rx = 0 – 1: Ente 0 y 1 hay infinitos
valores intermedios.
X: Tiempo que se invierte en ensamblar cierto artículo (en horas).

Adicional: Hallar la Función de Distribución Acumulada F(X): La Función


de distribución acumulada permite hallar la probabilidad acumulada a la izquierda para
cualquier valor de la variable X. ¿Cómo? tabulando el valor de la variable en F(X).
La Función de distribución acumulada: F(X) se denota con F
mayúscula.

𝑥
F(X) =∫−∞ 𝑓(𝑥) 𝑑𝑥
−∞: 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎 𝑒𝑙 𝑚𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑞𝑢𝑒 𝑝𝑢𝑒𝑑𝑒 𝑡𝑜𝑚𝑎𝑟 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒; 𝑒𝑛 𝑒𝑠𝑡𝑒 𝑐𝑎𝑠𝑜: 0
𝑥=𝑥
F(X) =
𝑥
∫0 2𝑋𝑑𝑥 = 2[2]
𝑥2
𝑥=0
𝑥2
= 2 ( − 0) =
2
𝑥2
2
F(X) = 𝑥
i) P(X ≤ a) = F (a)
ii) P(X > a) = 1 – P(X ≤ a) = 1 – F(a)

f(x)
12
iii) P(a ≤ X ≤ b) = F(b) – F(a)

f(x)

0 X
a b 1
Hallar las siguientes probabilidades:

2
F(X) = 𝑥
2
𝑖 ) 𝑃(𝑋 ≤ 0.5) = 𝐹 (0.5) = (0.5) = 0.25
𝐸𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑋 = 0.5 𝑒𝑠 𝑄1 = 𝑃25
𝑝𝑜𝑟𝑞𝑢𝑒 𝑑𝑒𝑗𝑎 𝑎 𝑠𝑢 𝑖𝑧𝑞𝑢𝑖𝑒𝑟𝑑𝑎 0.25 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑦
( ).
𝑎 𝑠𝑢 𝑑𝑒𝑟𝑒𝑐ℎ𝑎 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 0,75 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑
0.5 es el valor máximo del 25% inferior y es el valor mínimo del 75%
superior; entonces 0.5 es el percentil 25 o Q1

Otra forma de desarrollar este ejercicio sería:


0.5 𝑥=0.5
𝑥2
𝑃(𝑋 ≤ 0.5) = ∫ 2𝑥𝑑𝑥 = 2 [ ] = 0.25
0 2 𝑥=0

13
2
𝑖𝑖 ) 𝑃(𝑋 > 0.5) = 1 − 𝐹 (0.5) = 1 − (0.5) = 1 − 0.25 = 0.75
Otra forma de desarrollar este ejercicio sería:
1 𝑥=1
𝑥2
𝑃(𝑋 > 0.5) = ∫ 2𝑥𝑑𝑥 = 2 [ ] = 0.75
0.5 2 𝑥=0.5

𝑖𝑖𝑖) 𝑃(0.25 < 𝑋 < 0.75) = 𝐹 (0.75) − 𝐹 (0.25) =


2 2
(0.75) − (0.25) =0.5

2
F(X) = 𝑥
Otra forma de desarrollar este ejercicio sería:
0.75 𝑥=0.75
𝑥2
𝑃(0.25 < 𝑋 < 0.75) = ∫ 2𝑥𝑑𝑥 = 2 [ ] = 0.50
0.25 2 𝑥=0.25

iv) 𝑃(𝑋 > 0.75) = 1 – F(0.75)


1 – (0.75)2 = 0.4375

En esta pregunta se pidió hallar: La probabilidad de que se invierta más de 45 minutos en la


reparación de dicho artículo.
Recordar que la variable de estudio está en HORAS.
𝑃(𝑋 > 45 𝑚𝑖𝑛𝑢𝑡𝑜𝑠) = 𝑃(𝑋 > 0.75 ℎ𝑜𝑟𝑎𝑠)

45 minutos = ¾ hora = 0.75 horas

14
IMPORTANTE : LA probabilidad debe plantearse considerando las mismas unidades de medida de
la variable de estudio.

Otra forma de desarrollar este ejercicio sería:


1 𝑥=1
𝑥2
𝑃(𝑋 > 0.75) = ∫ 2𝑥𝑑𝑥 = 2 [ ] = 0.4375
0.75 2 𝑥=0.75

Sin emplear la F(X); habiendo integrado en cada trabajamos así:

a) Hallar la probabilidad de que el tiempo de ensamblaje dure a lo sumo 30 minutos


(media hora). R:0.25
X: Tiempo que se invierte en ensamblar cierto artículo (en horas).

Como la variable está definida en horas: 30 minutos = media hora. Media


hora se representa por 0.5.

0.5 𝑥=0.5
𝑥2
𝑃 (𝑋 ≤ 0.5) = ∫ 2𝑥𝑑𝑥 = 2 [ ] = 0.25
0 2 𝑥=0
=0.5 horas es el valor de la variable X que deja a su izquierda la
probabilidad de 0.25; es decir el 25% de los datos; entonces 0.5 horas es
el Percentil 25 o Cuartil 1 (es el valor máximo del 25% inferior pero
también es el valor mínimo del 75% superior).

b) Hallar la probabilidad de que el tiempo de ensamblaje dure como mínimo media


hora. R: 0.75

Como la variable está medida en horas, media hora se representa por 0.5.

1 𝑥=1
𝑥2
𝑃(𝑋 ≥ 0.5) = ∫ 2𝑥𝑑𝑥 = 2 [ ] = 0.75
0.5 2 𝑥=0.5

Otra forma: 𝑃(𝑋 ≥ 0.5) = 1 − 𝑃 (𝑋 < 0.5) = 1 – 0.25 = 0.75

15
c) Hallar la probabilidad de que el tiempo de ensamblaje dure más de un cuarto de hora
pero menos de tres cuartos de hora (más de 15 minutos pero menos de 45 minutos).
R: 0.50

X: Tiempo que se invierte en ensamblar cierto artículo (en horas).


Como la variable está definida en horas, un cuarto de hora se
representa por 0.25 y tres cuartos de hora se representa por 0.75.

0.75 𝑥=0.75
𝑥2
𝑃(0.25 < 𝑋 < 0.75) = ∫ 2𝑥𝑑𝑥 = 2 [ ] = 0.5
0.25 2 𝑥=0.25

d) Hallar la probabilidad de que se invierta más de 45 minutos en ensamblar dicho artículo.


R: 0.4375
X: Tiempo que se invierte en ensamblar cierto artículo (en horas).

Como la variable está definida en horas, 45 minutos representa 0.75


horas.

45
Convertir 45 minutos en horas: = 0.75
60
1 𝑥=1
𝑥2
𝑃(𝑋 > 0.75) = ∫ 2𝑥𝑑𝑥 = 2 [ ] = 0.4375
0.75 2 𝑥=0.75

5. En un centro comercial las ventas diarias (en miles de soles) es una variable aleatoria X, con
función de densidad de probabilidad:
𝒙−𝟐
𝟐≤𝒙<𝟒
𝟑
𝑓 (𝑥 ) = 𝟔 − 𝒙
𝟒≤𝒙<𝟔
𝟔
{ 0 otro caso
Se tiene la siguiente información:

 Si las ventas diarias son a lo más 2.2 mil soles, son llamadas ventas bajas.

16
 Si las ventas diarias son mayores a 2.2 mil soles pero no
mayores a 4.5 mil soles son llamadas ventas regulares.
 Si las ventas diarias son mayores a 4.5 mil soles son llamadas ventas altas.

a) Determine la probabilidad de que el centro comercial tenga ventas regulares. R: 0.8058

X: Ventas diarias de un centro comercial (en miles de soles)

 ∫ 𝑓 (𝑥) 𝑑𝑥 = 𝑃(𝑏 ≤ 𝑋 ≤ 𝑐)
𝑏

𝟒 4.5
𝒙−𝟐 𝟔−𝒙
𝑃(2.2 < 𝑋 ≤ 4.5) = ∫ ( ) 𝑑𝑥 + ∫ ( ) 𝑑𝑥 = 0.8058
𝟐.𝟐 𝟑 4 𝟔

0.66 + 0.14583333 = 0.8058


b) Determine el coeficiente de variación de las ventas diarias del centro comercial.
R: E(X)=3.7778; E(X2)=14.8889; V(X) = 0.6173; CV(X)= 20.7973%.

E( X) 
RX
 xf ( x )dx

4 𝑥−2 6 𝟔−𝒙
𝜇 = 𝐸(𝑋) = ∫2 𝒙 ( ) 𝑑𝑥 + ∫4 𝒙 ( ) 𝑑𝑥 = 3.7778
3 𝟔
(valor esperado: media o promedio poblacional)

2.2222 + 1.555555 = 3.7778


E( X 2 ) 
RX
 x 2 f ( x )dx

4 6
𝑥−2 𝟔−𝒙
𝐸 (𝑋 2 ) = ∫ 𝒙𝟐 ( ) 𝑑𝑥 + ∫ 𝒙𝟐 ( ) 𝑑𝑥 = 14.8889
2 3 4 𝟔

7.555 + 7.3333 = 14.8889

17
𝑉(𝑋) = 𝐸(𝑋 2 ) − (𝐸(𝑋))2

2
𝑉 (𝑋 ) = 𝐸 (𝑋 2 ) − (𝐸 (𝑋)) = 𝟏𝟒. 𝟖𝟖𝟖𝟗 − (𝟑. 𝟕𝟕𝟕𝟖)𝟐 = 0.6173

Desviación estándar de X = σ = √V(x)

𝜎𝑋 = √0.6173 =0.78568442
𝜎
𝐶𝑉(𝑋) = ∗ 100
𝜇

0.78568442
𝐶. 𝑉 (𝑋) = ( ) ∗ 100 = 20.797%
3.7778
CV (X) < 30%, se observa homogeneidad en la distribución de la variable X.

18
PROBLEMAS DIVERSOS: TAREA

13. PPT V. ALEATORIA CONTINUA (EJEMPLO 4 DEL PPT) La


cantidad real de café (en gramos) en un recipiente de 230 gramos llenado por cierta
máquina es una variable aleatoria cuya función de densidad de probabilidad está dada
por:
f(x)= 1/5 227.5  x  232.5

a) Calcular la probabilidad de que un recipiente de 230 gramos contenga cuanto mucho 228.65
gramos. R: 0.23

𝑿: cantidad real de café en un recipiente de 230 (en gramos).

228.65
1
𝑃 (𝑋 ≤ 228.65) = ∫ 𝑑𝑥 = 0.23
227.5 5

b) Calcular la probabilidad de que un recipiente contenga entre 228.65 gramos y 232 gramos.
R:0.67

232
1
𝑃(228.65 < 𝑋 < 232) = ∫ 𝑑𝑥 = 0.67
228.65 5

c) Calcular el contenido esperado del recipiente. E(X): 230

232.5
1
𝐸 (𝑋) = ∫ 𝒙 ( ) 𝑑𝑥 = 230
227.5 5

d) Calcular la varianza del contenido del recipiente y el CV.


R: E(X2)= 52,902.0833 , V(X)=2.0833, x=1.443, CV(X)= 0.627%

232.5
1
𝐸 (𝑋 2 ) = ∫ 𝒙𝟐 ( ) 𝑑𝑥 = 52902.0833
227.5 5
19
𝑉 (𝑋) = 𝐸 (𝑋 2 ) − (𝐸 (𝑋))2

Reemplazando obtenemos 𝑉 (𝑋) = 2.0833

Hallando el coeficiente de variación tenemos

√2.0833
𝐶. 𝑉 (𝑋) = ( ) ∗ 100 = 0.627 %
230

17. PPT V. ALEATORIA CONTINUA (EJEMPLO 5 DEL PPT) Los


ingresos diarios que tienen las tiendas que comercializan útiles escolares y de oficina
en las galerías de un centro comercial son una variable aleatoria, expresada en miles
de soles, cuya función de densidad es la siguiente:
3 3
f(x) = x  x2 0<x<2
2 4
a) Hallar la Función de Distribución: F(x) de X.

𝑿:ingresos diarios que tienen las tiendas que comercializan útiles escolares y de
oficina en las galerías de un centro comercial (en miles de soles).

𝟑 𝟐 𝟏
𝑭(𝒙) = 𝒙 − 𝟎<𝑿<𝟐
𝟒 𝟒

b) Hallar la probabilidad de que en un día las tiendas tengan ingresos superiores a 1000 soles.
R:0.50

𝑋:ingresos diarios que tienen las tiendas que comercializan útiles escolares y de oficina en
las galerías de un centro comercial.

2
3 3
𝑃(𝑋 > 1) = ∫ ( 𝑥 − 𝑥 2 ) 𝑑𝑥 = 0.5
1 2 4

c) Si el ingreso de una de las tiendas en un día es superior a 900 soles, ¿cuál es la probabilidad
de que no sobrepase los 1500 soles? R: 0.73

𝑋:ingresos diarios que tienen las tiendas que comercializan útiles escolares y de oficina en
las galerías de un centro comercial.

20
1.5 3 3 2
𝑃(0.9 < 𝑋 < 1.5) ∫0.9 (2 𝑥 − 4 𝑥 ) 𝑑𝑥 0.4185
𝑃 ( 𝑋 < 1.5 / 𝑋 > 0.9) = = =
𝑃(𝑋 > 0.9) 2 3 3 0.57475
∫0.9 (2 𝑥 − 4 𝑥 2 ) 𝑑𝑥
= 0.7281

15. Una empresa ha calculado que las ventas (V) y los costos unitarios (C) están relacionados
con el índice de precios al consumidor ( X ) mediante las siguientes ecuaciones:

1 1
C  ( x  2) V  (19  x )
3 3

X: índice de precios al consumidor es una v. a. con función de densidad de probabilidad:

2
f ( x)  x 1  x  10
99

a) ¿Cuál es la probabilidad de que la utilidad sea negativa?


R: U=Utilidad= (17 – 2X)/3 , Probabilidad=0.2803

Utilidad (U)= Ventas – Costos

19 𝑥 𝑥 2 𝟏𝟕 𝟐
𝑈= − − − → 𝑼= − 𝒙
3 3 3 3 𝟑 𝟑

10
17 2 2
𝑃(𝑼 < 𝟎) = 𝑃 ( − 𝑿 < 0) = 𝑃(𝑋 > 8.5) = ∫ 𝑥 𝑑𝑥
3 3 8.5 99

= 0.2803

b) Hallar la utilidad esperada. R: E(X)=6.73, E(U)=1.18.

Hallando el precio esperado

10
2 74
𝐸 (𝑋) = ∫ 𝒙 ( 𝑥) 𝑑𝑥 = = 6.7273
1 99 11

21
17 2
𝐸 (𝑈) = 𝐸 ( − 𝑋)
3 3

17 2
𝐸 (𝑈 ) = − 𝐸 (𝑋)
3 3
17 2
𝐸 (𝑈) = − ∗ 6.7273
3 3

𝐸 (𝑈) = 1.1818

11. El tiempo de duración (en años) de un determinado componente de un juguete


electrónico es una variable aleatoria que tiene por función de densidad:

2 x si 0  x  1
f(x)  
0 otro caso

a) Si se elige un componente ¿Cuál es la probabilidad de que dure más de 4 meses? R: 0.8888889

𝑿: tiempo de duración de un determinado componente de un juguete electrónico


(en años).

𝑹𝒙 = [𝟎; 𝟏]
4 1
Se convierte 4 meses en años obteniendo 12, simplificando la expresión 3.

1
1 8
𝑃 (𝑋 > ) = ∫ 2𝑥𝑑𝑥 = = 0.8889
3 1 9
3

b) ¿Cuál es la duración mínima del 10% de componentes considerados los de mayor duración?
R: K=0.9487 años

𝑿: tiempo de duración de un determinado componente de un juguete electrónico.

Considerando 𝑘 la duración mínima del 10% de componentes considerados de los de


mayor duración. K es el P90 (es el valor máximo del 90% inferior y es también el valor
mínimo del 10% superior)

22
𝑃 (𝑋 ≥ 𝐾 ) = 0.10
1
∫ 2𝑥𝑑𝑥 = 0.10
𝑘

Resolviendo la integral tenemos

𝑥=1
2/2[𝑥 2 ]𝑥=𝑘 = 0.10
Despejamos K : 1 − 𝑘 2 = 0.10 → 𝑃90 = 𝑘 = 0.9487

La duración mínima es 0.9487 años.

Otra forma:

𝑃 (𝑋 ≤ 𝐾 ) = 1 − 0.10 = 0.90
𝑘
∫ 2𝑥𝑑𝑥 = 0.90
0
Resolviendo la integral y despejando K=P90=0.9487 años

c) Suponga que el precio (Y) de estos componentes está relacionado con el tiempo de duración
de los mismos, de manera que: Y = 0.8X +1
¿Es la distribución del precio de estos componentes (Y), más homogénea que la distribución
del tiempo de duración de los mismos (X)?
R: CV(X)= 35.35% , CV(Y) = 12.297% , CV(Y)< CV(X)

Para analizar la homogeneidad se calcula el coeficiente de variación de las variables 𝑋


e 𝑌 y luego compararlos.

Analizando la variable 𝑋

𝑿: tiempo de duración de un determinado componente de un juguete electrónico


(en años).
1
2
𝐸 (𝑋) = ∫ 𝑥 (2𝑥 )𝑑𝑥 =
0 3

1
1
𝐸 (𝑋 2 ) = ∫ 𝑥 2 (2𝑥 )𝑑𝑥 =
0 2
2) 2 1 2 2 1
( ) (
𝑉 𝑋 = 𝐸 𝑋 − (𝐸(𝑋)) = ( ) − ( ) =
2 3 18

23
√1
18
𝐶. 𝑉(𝑋) = ∗ 100 = 35.3553 %
2
3

Analizando la variable 𝑌
Y = 0.8X +1
𝒀: precio del componente de un juguete electrónico.
2 23
𝐸 (𝑌) = 𝐸 (𝟎. 𝟖𝑿 + 𝟏) = 0.8𝐸 (𝑋) + 1 = 0.8 ( ) + 1 =
3 15
1 8
𝑉(𝑌) = 𝑉(𝟎. 𝟖𝑿 + 𝟏) = (0.8)2 𝑉(𝑋) + 0 = (0.8)2 (18) + 0 = 225

√ 8
225
𝐶. 𝑉 (𝑌) = ∗ 100 = 12.2975 %
23
15

Comparando el coeficiente de variación de las variables

𝐶. 𝑉 (𝑌) < 𝐶. 𝑉(𝑋)

La distribución de los precios de componentes (Y) es más homogénea que la


distribución del tiempo de duración de componentes (X).

24
Ejemplos de cómo integrar:
1 𝑥=1
∫0.5 2𝑑𝑥 = 2[𝑥 ]𝑥=0.5 =2(1-0.5) = 1
1 2 𝑥=1
𝑥 2
∫ 2𝑥𝑑𝑥 = 2 [ ] = (1 − 0.752 )
0.75 2 𝑥=0.75
2
= 0.4375
1 3 𝑥=1
𝑥
∫ 3𝑥 2 𝑑𝑥 = 3 [ ] = 3/3(1 − 0)
0 3 𝑥=0
=𝟏
1 4 𝑥=1
3
𝑥
∫ 3𝑥 𝑑𝑥 = 3 [ ]
0.5 4 𝑥=0.5
= 3/4(1 − 0.54 ) = 0.703125
1 5 𝑥=1
4
𝑥
∫ 3𝑥 𝑑𝑥 = 3 [ ]
0.5 5 𝑥=0.5
= 3/5(1 − 0.55 ) = 0.58125

25
26