Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• Competencias
• Motivación.
Inicio • Saberes previos.
• Definición
• Función de densidad de probabilidad.
Contenido de • Función de distribución.
sesión • Esperanza matemática y varianza.
• Retroalimentación.
• Autoevaluación
Cierre
Competencias
Al termino de la sesión, el estudiante
estará en capacidad de:
1) 𝑓 𝑥 ≥ 0, 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑎 𝑥 ∈ ℝ.
+∞
2) −∞ 𝑓 𝑥 𝑑𝑥 = 1
𝑏
3) 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = 𝑥𝑑 𝑥 𝑓 𝑎
Teoremas
1) Si X es una variable aleatoria continua, entonces para todo
número real 𝑎, se cumple que:
𝑷 𝑿=𝒂 =𝟎
𝑎𝑥 2 , −1 < 𝑥 < 2
𝑓 𝑥 =ቊ
0, 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑐𝑎𝑠𝑜
a) Calcule el coeficiente 𝑎.
b) Calcule la probabilidad de que el error en la temperatura de
reacción se encuentre entre a lo más uno y por lo menos cero.
c) Calcule la probabilidad de que el error en la temperatura de
reacción sea a lo más 1.5.
d) Calcule la probabilidad de que el error en la temperatura de
reacción sea por lo menos 0.5.
Solución
Sea la variable:
න 𝑓(𝑥)𝑑𝑥 = 1
−∞
−1 2 +∞ 2
𝑥3
න 0𝑑𝑥 + න 𝑎𝑥 2 𝑑𝑥 + න 0𝑑𝑥 = 1 ⇒ 0+𝑎 อ +0=1
3
−∞ −1 2 −1
23 −1 3
8 1 9
𝑎 − =1 ⇒ 𝑎 + =1 ⇒ 𝑎 =1
3 3 3 3 3
1
𝑎=
3
Solución
b)
1 1
𝑥2 𝑥3 1
𝑃 0≤𝑋≤1 =න 𝑑𝑥 = อ =
3 9 9
0 0
c)
1.5 1.5
𝑥2 𝑥3 1.5 3 −1 3 35
𝑃 𝑋 ≤ 1.5 = න 𝑑𝑥 = อ = − =
3 9 9 9 72
−1 −1
d)
2 2
𝑥2 𝑥3 2 3 0.5 3
7
𝑃 𝑋 ≥ 0.5 = න 𝑑𝑥 = อ = − =
3 9 9 9 8
0.5 0.5
Ejemplo 2
Para una variable aleatoria continua: 𝑋 = Diámetro
de un agujero taladrado en una placa de metal, se
sabe que el diámetro requerido es 12.5 milímetros,
pero muchas perturbaciones aleatorias en el
proceso dan como resultado diámetros más
grandes. La recopilación de datos indica que la
distribución de 𝑋 puede modelarse con la siguiente
función de densidad de probabilidad :
0, 𝑥 < 12.5
𝑓 𝑥 =ቊ
20𝑒 −20(𝑥−12.5) , 𝑥 ≥ 12.5
∞ ∞
𝑃 𝑋 > 12.6 = න 𝑓 𝑥 𝑑𝑥 = න 20𝑒 −20(𝑥−12.5) 𝑑𝑥
12.6 12.6
𝑏
= − lim 𝑒 −20 𝑥−12.5 ቚ
𝑏→∞ 12.6
= 0 + 𝑒 −20 0.1
𝑥
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓(𝑡) 𝑑𝑡; −∞ < 𝑥 < ∞
−∞
Ejemplo 3
Suponga que el error en la temperatura de reacción, en °C, para un
experimento controlado de laboratorio es una variable aleatoria
continua X, que tiene la siguiente función de densidad de
probabilidad:
𝑥2
𝑓 𝑥 =൞ 3 , −1 < 𝑥 < 2
0, 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑐𝑎𝑠𝑜
𝑥
𝑥 𝑥
𝑡2 𝑡3 𝑥3 + 1
𝐹 𝑥 = න 𝑓 𝑡 𝑑𝑡 = න 𝑑𝑡 = อ =
−∞ −1 3 9 9
−1
por tanto,
0, 𝑥 ≤ −1
𝑥3 + 1
𝐹 𝑥 = , −1 < 𝑥 < 2
9
Utilizando la función de distribución:
2 1 1
𝑃 0≤𝑋 ≤1 =𝐹 1 −𝐹 0 = − =
9 9 9
1.53 + 1 35
𝑃 𝑋 ≤ 1.5 = 𝐹 1.5 = =
9 72
0.53 + 1 1 7
𝑃 𝑋 ≥ 0.5 = 1 − 𝑃 𝑋 < 0.5 = 1 − 𝐹 0.5 = 1 − =1− =
9 8 8
Medidas de resumen de una variable
aleatoria continua
Esperanza matemática
Sea X una variable aleatoria continua con función de densidad
de probabilidad 𝑓 𝑥 , la esperanza o valor esperado de 𝑋, que se
representa como 𝐸 𝑋 , se define de la siguiente manera:
+∞
𝑬 𝑿 = 𝝁 = න 𝒙 𝒇(𝒙)𝒅𝒙
−∞
Varianza
Sea X una variable aleatoria continua 𝑋, con función de densidad de
probabiidad 𝑓(𝑥) y 𝐸 𝑋 = 𝜇, la varianza de 𝑋, que se representa
como 𝑉 𝑋 , se define de la siguiente manera:
+∞
𝑽 𝑿 = 𝝈𝟐 = න 𝒙 − 𝝁 𝟐 𝒇 𝒙 𝒅𝒙
−∞
Ejemplo 4
Sea X una variable aleatoria con la siguiente función de densidad de
probabilidad:
𝑥2
𝑓 𝑥 =൞ 3 , −1 < 𝑥 < 2
0, 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑐𝑎𝑠𝑜
Esperanza matemática
2
+∞ 2 𝑥2 2 𝑥3 𝑥4
𝐸 𝑋 =𝜇= −∞ 𝑥 𝑓(𝑥)𝑑𝑥 = −1 𝑥 𝑑𝑥 = −1 3 𝑑𝑥 = ቚ
3 12 −1
24 −1 4 5
𝐸 𝑋 = − = = 1.25
12 12 4
Varianza
2 2 2
+∞ 2
5 𝑥 5𝑥 25 𝑥2
𝑉 𝑋 = 𝜎2 =න 𝑥−𝜇 2𝑓 𝑥 𝑑𝑥 = න 𝑥 − 𝑑𝑥 = න 𝑥 2 − + 𝑑𝑥
−∞ 4 3 2 16 3
−1 −1
2 2
𝑥 4 5𝑥 3 25𝑥 2 𝑥 5 5𝑥 4 25𝑥 3
𝑉 𝑋 = න − + 𝑑𝑥 = − + อ =
3 6 48 15 24 144
−1 −1
51
𝑉 𝑋 = = 0.6375
80
Otra forma:
𝑽 𝑿 = 𝑬 𝑿𝟐 − 𝑬(𝑿) 𝟐
2
2 2 4
𝑥2 𝑥 𝑥5 33
𝐸 𝑋2 = න 𝑥2 𝑑𝑥 = න 𝑑𝑥 = อ =
−1 3 −1 3 15 15
−1
Luego
2
33 5 51
𝑽 𝑿 = 𝑬 𝑿𝟐 − 𝑬 𝑿 𝟐 = − = = 0.6375
15 4 80