VARIABLES ALEATORIAS Y DISTRIBUCIONES CONTINUAS DE PROBABILIDAD

Estadística Aplicada a la Ingeniería – 24095

Presentado por:
Daniel Alejandro Bonilla Rodríguez - 2195560
Paula Andrea Velásquez Mancilla - 2194598

Presentado a:
Ing. Carlos Felipe Orduz Suárez

Grupo O1

Universidad Industrial de Santander

Escuela de Ingeniería Civil
Semestre 2021 – 2
Universidad Industrial de Santander
Escuela de Ingeniería Civil
Estadística Aplicada a la Ingeniería

I. Introducción
En la vida cotidiana es necesario en algunos casos, intentar predecir algún evento en específico,
para ello podemos usar la probabilidad, a continuación, podremos evidenciar la aplicación de la
probabilidad en un caso que puede ocurrir en la vida real.
II. Marco teórico
2.1 Variable aleatoria

Una variable aleatoria es una función que asocia un número real con cada elemento del espacio
muestral. Es decir, si quiero saber la probabilidad de obtener un variable en todos los posibles resultados
de un espacio muestral, se le puede asignar una descripción numérica. Por ejemplo, si tengo tres
lapiceros y deseo sabe cual es la probabilidad de que obtenga uno, dos o tres defectuosos (D) o no
defectuoso (N).

S={NNN , NND , NDN , DNN , NND , DND , DDN , DDD }

De esta forma, a cada punto en el espacio muestral se le asignará un valor numérico de 0, 1, 2 o 3. Estos
valores son, por supuesto, cantidades aleatorias determinadas por el resultado del experimento. Se
pueden ver como valores que toma la variable aleatoria X.

2.2 Espacio muestral continuo

Si un espacio muestral contiene un número infinito de posibilidades, igual al número de puntos en un

Segmento de recta, se le denomina espacio muestral continuo. En la mayoría de los problemas
prácticos las variables aleatorias continuas representan datos medidos, como serían todos los posibles
pesos, alturas, temperaturas, distancias o periodos de vida.

2.3 Distribución de probabilidad continua

Una variable aleatoria continua tiene una probabilidad 0 de adoptar exactamente cualquiera de sus
valores. Por ejemplo, si consideremos una variable aleatoria cuyos valores son las estaturas de todas las
personas mayores de 21 años de edad. Entre cualesquiera dos valores, digamos 163.5 y 164.5
centímetros, o incluso entre 163.99 y 164.01 centímetros, hay un número infinito de estaturas, una de las
cuales es 164 centímetros. La probabilidad de seleccionar al azar a una persona que tenga exactamente
164 centímetros de estatura en lugar de una del conjunto infinitamente grande de estaturas tan cercanas a
164 centímetros que humanamente no sea posible medir 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 centímetros, pero no más de 165
centímetros de estatura. Aquí nos referimos a un intervalo en vez de a un valor puntual de nuestra
variable aleatoria.

2.3.1 Función de densidad de probabilidad

Aunque la distribución de probabilidad de una variable aleatoria continua no se puede representar de

forma tabular, sí es posible plantearla como una fórmula, la cual necesariamente será función de los
valores numéricos de la variable aleatoria continua X, y como tal se representará mediante la notación
funcional f(x). Como X se define sobre un espacio muestral continuo, es posible que f (x) tenga un
número finito de discontinuidades. Sin embargo, la mayoría de las funciones de densidad que tienen
aplicaciones prácticas en el análisis de datos estadísticos son continuas y sus gráficas pueden tomar
cualesquiera de varias formas.

2
Universidad Industrial de Santander
Escuela de Ingeniería Civil
Estadística Aplicada a la Ingeniería

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 cero en todos los puntos de las partes extendidas del intervalo. En la figura 1 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

Figura 1. P(a < X <b)

La función f (x) es una función de densidad de probabilidad (fdp) para la variable aleatoria continua X,
definida en el conjunto de números reales, si

1. f ( x ) ≥0 , para toda x ϵ R
∞
2. ∫ f ( x ) dx=1
−∞
b
3. P ( a< X < b )= ∫ f ( x ) dx
a

2.3.2 Función de probabilidad acumulada

La función de distribución acumulativa F(x), de una variable aleatoria continua X con función de
densidad f(x), es
x
F ( x )=P ( X ≤ x ) =∫ f ( t ) dt , para−∞ < x< ∞
−∞
Como consecuencia inmediata de la definición se puede escribir los dos resultados,
dF ( x )
P ( a< X < b )=F ( b )−F ( a ) y f ( x ) =
dx
Si existe la derivada.

2.4 formula de mediana de una función de densidad de probabilidad

La mediana es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados de
menor a mayor. se representa por M x y es igual al espacio muestral por una variable x.

3
Universidad Industrial de Santander
Escuela de Ingeniería Civil
Estadística Aplicada a la Ingeniería

∞
M x =E ( x )= ∫ xf ( x ) dx ecuación1
−∞

III. Planteamiento del problema

El tiempo de vida útil en horas de cierta luminaria es una variable aleatoria x [h] cuya función de
probabilidad acumulada se presenta en la ecuación (1)

{
−a ( e −1 ) → 0< x ≤15
−x

F ( x )= −a ( e −1 )−b ( ln ( 15 )−ln ( x ) ) →15< x ≤ 30

−15

1 1
−a ( e −1 ) + b ln ( 2 )−c −
−15
x 30 ( )
→ 30< x ≤ 75

Si el primer cuartil de x es Q1=15.65h y, según especificaciones del fabricante, la probabilidad de

que le tiempo de vida útil de la luminaria sea entre 10 y 60h, es 77.14%, de termine:
1. Los valores de a, b y c.
2. La mediana del tiempo de vida útil de la luminaria.
La probabilidad de que el tiempo de vida útil de la luminaria sea:
3. Mayor a 20h.
4. Entre 12 y 35h.
5. Máxima 25h.

IV. Análisis de datos

- En primer lugar, procedemos a derivar F(x).

{
a e−x → 0< x ≤15
b
→ 15< x ≤ 30 Q1=15.65 h=0.25
f ( x )= x
−c
→ 30< x ≤ 75
x

- A continuación, planteamos las ecuaciones necesarias para hallar las incógnitas.

Ecuación 1:
15 15.65
1
a ∫ e dx +b ∫
−x
dx=0.25
0 15 x

0.9999 ( a ) +0.0424 ( b )=0.2500

Ecuación 2:

4
Universidad Industrial de Santander
Escuela de Ingeniería Civil
Estadística Aplicada a la Ingeniería

0 15 30 75 ∞

∫ 0 dx+ a∫ e−x dx+ b∫ 1x dx−c ∫ x12 dx+∫ 0 dx=1

∞ 0 15 30 75

0.9999 ( a ) +0.6931 ( b )−0.02 ( c )=1

Ecuación 3:
15 30 60
1 1
a ∫ e dx +b ∫ dx−c ∫ 2 dx=0.7714
−x

10 15 x 30 x

−5
4.5094 ¿10 ( a ) +0.6931 ( b )−0.0166 ( c ) =0.7714

{ } ( )
0.9999 a+ 0.0424 b=0.2500 a=0.20 88
0.9999 a+0.6931 b−0.02 c=1 b=0.9 7 3 0
−5
4.5094∗10 a+ 0.6931b−0.0166 c=0.7714 c=−5. 8428

Mediana:
∞
M x =E ( x )= ∫ xf ( x ) dx
−∞

15 30 75
x x
M x =E ( x )=a∫ x e dx +b ∫ dx−c ∫ 2 dx M x =E ( x )=a(0.9999)+b(14.595)−c (0.9163)
−x

0 15 x 30 x
M x =E ( x )=20.1575[h]
3) Probabilidad de que el tiempo de vida útil de la luminaria sea mayor a 20h
30 75
1 1
P ( x>20 h )=b ∫ dx−c ∫ 2 dx P ( x>20 h )=0 .3945−(−0.1168)P ( x>20 h )=0. 5113
20 x 30 x

4) Probabilidad de que el tiempo de vida útil de la luminaria sea entre 12h y 35h
15 30 35
1 1
P ( 12 [ h ] ≤ x ≤ 35 [ h ] ) =a ∫ e dx +b ∫ dx−c ∫ 2 dx
−x

12 15 x 30 x

P ( 12 [ h ] ≤ x ≤ 35 [ h ] ) =a(5.8383∗10−6 )+b(0.6931)−c (4.7619∗10−3 )

P ( 12 [ h ] ≤ x ≤ 35 [ h ] ) =0. 7 023
5) Probabilidad de que el tiempo de vida útil de la luminaria sea máxima de 25h
15 25
1
P ( x>25 h )=a ∫ e dx +b ∫ dx P ( x>25 h )=a( 0.9999)+ b(0.5 108) P ( x>25 h )=0.7 058
−x

0 15 x

Bibliografía
RONALD E. WALPOLE, RAYMOND H. MYERS,

SHARON L. MYERS Y KEYING YE

Probabilidad y estadística para ingeniería y ciencias

5
Universidad Industrial de Santander
Escuela de Ingeniería Civil
Estadística Aplicada a la Ingeniería

Novena edición

PEARSON EDUCACIÓN, México, 2012