Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Recordemos el concepto de variable numérica, como una variable que produce respuestas
numéricas tales como la cantidad de consumidores que prefieren cierta marca de refresco o las
estaturas de los alumnos del ITCH. Las variables numéricas se clasifican en discretas y continuas.
Las variables numéricas continuas son resultados de mediciones, es decir para medir las
estaturas de los alumnos del ITCH usaríamos un metro, cinta de medir o cualquier otro
instrumento de medición para alturas y así obtendríamos cada una de las estaturas de los
alumnos del ITCH, por lo tanto, la variable continua está representada por las estaturas de cada
uno de los alumnos del ITCH.
Una variable aleatoria continua tiene una probabilidad 0 de adoptar exactamente cualquiera de
sus valores. Consideremos una variable continua las estaturas de los alumnos del ITCH, entre
cualquiera dos valores, digamos 163.5 y 164.5 cm, o incluso en 163.99 y 164.01 cm, hay un
número infinito de estaturas y una de las cuales es 164 cm. La probabilidad de seleccionar al
azar a una persona que tenga exactamente 164 cm de estatura en lugar de una del conjunto
infinitamente grande de estaturas cercanas a 164 cm la diferencia es remota, por consiguiente,
asignamos una probabilidad 0 a tal evento. Sin embargo, esto no ocurre si nos referimos a la
probabilidad de seleccionar a una persona que mida al menos 163 cm pero no más de 165 cm
de estatura. Aquí nos referimos a un intervalo en vez de un valor puntual. En las distribuciones
de probabilidad continuas nos interesamos por el cálculo de probabilidades para varios
intervalos de variables continuas. Observe que cuando X es continua,
𝑃 (𝑎 ≤ 𝑋 ≤ 𝑏 ) = 𝑃 (𝑎 < 𝑋 < 𝑏 )
Es decir, no importa si incluimos o no los extremos del intervalo.
La distribución de probabilidad de una variable aleatoria continua es posible plantearla
como una fórmula, la cual será función de los valores numéricos de la variable aleatoria
continua X, y como tal se representará como f(x), por lo general a f(x) se le llama función
de densidad de probabilidad, o función de densidad de X. La mayoría de las funciones
de densidad que tienen aplicaciones prácticas en el análisis de datos estadísticos son
continua y sus gráficas pueden tomar cualesquiera de varias formas, algunas se pueden
observar a continuación:
Realizado por: Cinthia Flores Pando, Karla Gutiérrez Enríquez y Rita Luna Gándara
Una función de densidad de probabilidad se construye de manera que el área bajo su
curva limitada por el eje x sea igual a 1, cuando se calcula en el rango de X para el que
se define f(x). Como este rango de X es un intervalo finito, siempre es posible extender
el intervalo para que incluya a todo el conjunto de números reales definiendo f(x) como
0 en todos los puntos de las partes extendidas del intervalo. En la siguiente figura la
probabilidad de que X tome un valor entre a y b es igual al área sombreada bajo la
función de densidad entre las ordenadas en x=a y x=b, y a partir del cálculo integral está
dada por:
𝑏
𝑃(𝑎 < 𝑋 < 𝑏 = ∫ 𝑓(𝑥 )𝑑𝑥
𝑎
La función f(x) es una función de probabilidad de densidad para la variable aleatoria continua
X, definida en el conjunto de números reales, si:
∞
2. ∫−∞ 𝑓 (𝑥)𝑑𝑥 = 1.
𝑏
3. 𝑃 (𝑎 < 𝑋 < 𝑏) = ∫𝑎 𝑓 (𝑥)𝑑𝑥.
En donde:
Realizado por: Cinthia Flores Pando, Karla Gutiérrez Enríquez y Rita Luna Gándara
4.2.2 Varianza de la distribución de la probabilidad X
En donde:
Ejemplo:
𝑥2
𝑓 (𝑥) = { 3 , −1 < 𝑥 < 2,
0, 𝑒𝑛 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
∞ 2
𝑥2 𝑥3 2 8 1
∫ 𝑓 (𝑥 )𝑑𝑥 = ∫ 𝑑𝑥 = | = + =1
−∞ −1 3 9 −1 9 9
∞
Como se cumple que, ∫−∞ 𝑓 (𝑥)𝑑𝑥 = 1, si es una función de densidad.
b) Calcule P(0< X <1).
1
𝑥2 𝑥3 1 1
P(0 < X < 1) = ∫ 𝑑𝑥 = | =
0 3 9 0 9
∞ 2 𝑥2 2 1 1 𝑥4
2 𝑥4 2 24 −14
µ = ∫−∞ 𝑥𝑓 (𝑥)𝑑𝑥 = ∫−1 𝑥 ( ) 𝑑𝑥 = ∫−1 𝑥 3 𝑑𝑥 = ( ) ( )| −1 = | = −( ) =
3 3 3 4 12 −1 12 12
4 1 5
3
− 12 = 4 = 1.25 en promedio la temperatura del error de temperatura en el
experimento del laboratorio es de 1.25 oC.
Realizado por: Cinthia Flores Pando, Karla Gutiérrez Enríquez y Rita Luna Gándara
d) Calcule la varianza para la distribución de probabilidad continua.
∞ 2
5 2 𝑥2 2
5𝑥 25 𝑥 2
𝜎 2 = ∫ (𝑥 − 𝜇)2 𝑓 (𝑥)𝑑𝑥 = ∫ (𝑥 − ) 𝑑𝑥 = ∫ (𝑥 2 − + ) 𝑑𝑥 =
−∞ −1 4 3 −1 2 16 3
2
𝑥 4 5𝑥 3 25𝑥 2 𝑥 5 5𝑥 4 25𝑥 3 2
∫ ( − + ) 𝑑𝑥 = ( − + )| =
−1 3 6 48 15 24 144 −1
Ejercicio
1. Para la siguiente función:
𝑥2
𝑓 (𝑥) = { 9 , 0 < 𝑥 < 3,
0, 𝑒𝑛 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
Realizado por: Cinthia Flores Pando, Karla Gutiérrez Enríquez y Rita Luna Gándara