ESTADÍSTICA I

Segundo Parcial

Profesora: Eva María Mera Intriago

Escuela Superior Politécnica del Litoral

Facultad de Ciencia Naturales y Matemáticas
Guayaquil, julio de 2022
 Modelos estocásticos: Variables
aleatorias continuas

• Modelos aleatorios continuos

• Modelos de variables aleatorias continuas: Distribución
Uniforme continua, Distribución Normal, Distribución
Gamma y casos particulares; y, Distribución Beta
• Valores esperados de una variable aleatoria continua
• Cuantiles de una variable aleatoria continua
• Teorema de Chebyshev
• Aproximación de la Binomial y la Poisson a través de la
Normal
• Siguiente Capítulo: Vectores aleatorios

Estadística I 12/07/2022 2
 Objetivos de aprendizaje

• Variables aleatorias continuas

• 4.1. Determinar probabilidades de eventos en un espacio
muestral continuo.
• 4.2. Determinar valores esperados de una variable
aleatoria continua cuando existan.
• 4.3. Reconocer los modelos estocásticos continuos más
usuales.

Estadística I 12/07/2022 3
 ESTADÍSTICA DESCRIPTIVA

CAPÍTULO 4: MODELOS ESTOCÁSTICOS

VARIABLES ALEATORIAS CONTINUAS
Profesora: Eva María Mera Intriago

Escuela Superior Politécnica del Litoral

Facultad de Ciencia Naturales y Matemáticas
Guayaquil, noviembre de 2020
 Modelos aleatorios continuos
generalidades

• Cuando definimos variable aleatoria previamente para variables

aleatorias discretas teníamos:
• Un experimento estadístico
• Un espacio muestral asociado a este experimento (W,S)
• X es una variable aleatoria cuando y solo cuando a cada elemento w
de W , X le asigna un número real, esto es ,
• X: W → R

• Nótese que la definición de V.A no está ligada a la de probabilidad,

pero sí consigue interrelacionar los dos conceptos.
• Y que la Función de probabilidad de una una variable aleatoria X
f(X)=P(X=x) es una función que va de los reales a un numero que
está entre cero y uno.
• De la misma forma previamente definimos la función acumulada de
F de una variable aleatoria discreta(VAD)
F(x) = P(X  x); para todo x real
Esta definición
Estadística I también es válida para variables aleatorias que denominaremos continuas
12/07/2022 5
 …viene Modelos aleatorios continuos
generalidades

• Si un experimento consiste en tomar una muestra de hombres y

mujeres y medirles su cintura en cm.
• Definimos la variable aleatoria X:
• A cada persona medida se le asigne la medida de su cintura
• Es evidente que W y X son un conjunto de números representables por
intervalos de número reales.
• X: W → R
• ¿Quién es W?
• Un intervalo entre 15 cm de un bebé hasta 300 cm de una persona con
sobrepeso u obesidad.
• ¿Qué valores representa X?
• Un intervalo con el valor mínimo encontrado que puede ser 15 o 16 cm,
según lo encontrado en la muestra hasta por ejemplo 100 cm o 200 cm.
• X es la medida de la cintura en cm, en lenguaje que todo el mundo
comprende.

Estadística I 12/07/2022 6
 Eventos en Espacios muéstrales
continuos

• ¿Cómo se justifica matemáticamente a los elementos de S,

esto es, a los eventos cuando el espacio muestral (W,S) es
continuo?.
• Los espacios muéstrales discretos son finitos o infinitos, pero
contables.
• Cuando W es una región de Rk, k entero positivo, el Espacio
Muestral es Continuo.
• Particularicemos ahora a k=1, es notorio que ahora hablamos
de una región en R, los subconjuntos de R son puntos e
intervalos, abiertos, cerrados o semiabiertos, que pueden ser
obtenidos utilizando un número finito o infinito contable de
operaciones sobre conjuntos, esto es, uniones, intersecciones,
diferencias, complementos, etc..

Estadística I 12/07/2022 7
Conjunto constituido por un punto a en R

• Lo denotaremos por a, se lo obtiene como:

(

a −1 

• {a} = n =1 n , a  , siendo nZ+

• De igual manera los intervalos,

• (a, b) = (a, b] – {b}

• [a, b] = (a, b]  {a}

• [a, b) = {a}  {(a, b] – {b}}

• Mientras que:

• (a,) = (– , a]C

• Si se toma k = 2, pasaremos de puntos pertenecientes a la recta real, a puntos

en R2 y por tanto localizables a través de coordenadas bidimensionales, y
pasamos también de intervalos a “rectángulos”
Estadística I 12/07/2022 8
 Variable Aleatoria Continua

• Una Variable Aleatoria X, definida sobre un Espacio

Muestral (W, S) es continua cuando y solo cuando para
todo x real su Distribución Acumulada F es una función
continua en R.

F(x) = P(X  x); para todo x real

Estadística I 12/07/2022 9
 Densidad de una Variable Aleatoria
Continua f

• Si X es continua, entonces existe una función continua y

no negativa f tal que, para todo x real,

Función de densidad de la
Distribución acumulada de la
variable aleatoria X
variable aleatoria X

Estadística I 12/07/2022 10
 Soporte de una Variable Aleatoria
Continua

• El Soporte S de una Variable Aleatoria Continua X con

Densidad f es un subconjunto S en R tal que:

• S = {xR  f(x) > 0}

11
 ASIGNACIÓN DE PROBABILIDADES A TRAVÉS
DE VARIABLES ALEATORIAS CONTINUAS

• Puesto que la Función Densidad f de una Variable

Aleatoria Continua es tal que f(x)  0 y se cumple
que, Puest1

• F´(x) = f(x), xR

Estadística I 12/07/2022 12
 P(X = a) = 0

La probabilidad de que un valor particular a de X ocurra,

nos referimos a P(X = a), siendo X continua y con
densidad f,

Visto de otra manera,

Estadística I 12/07/2022 13
 Nota tomada de la página 194 del libro
Probabilidad y Estadística, Fundamentos y Aplicaciones
(Segunda Edición)

En caso de que el lector continuare pensando que éste es un

resultado teórico que se opone a lo que su intuición indica y por tanto
a lo que realmente ocurre, le pedimos detenerse en la siguiente
argumentación: A una persona que por tradición siempre dice la
verdad, le preguntamos primero, cuantos hermanos vivos tiene y nos
contesta que tres, nosotros no tenemos razón para dudar de dicha
afirmación. A menos que su memoria falle, la persona tiene tres
hermanos vivos. El número X de hermanos vivos que tiene cualquier
persona es una Variable Aleatoria Discreta, nadie tiene dos hermanos
y medio, aunque una distribución de probabilidades discreta sí puede
tener media  igual a 2.5; pero si le preguntamos a esta persona que
siempre dice la verdad cuál es su estatura y nos dice que 1.72 mts.

Estadística I 12/07/2022 14
 Nota tomada de la página 194 del libro
Probabilidad y Estadística, Fundamentos y Aplicaciones
(Segunda Edición)

¿Estamos obligados a creerle? ¿Tendrá esta persona el instrumental

que mida longitudes de manera “exacta”? ¿Cómo sería ese
instrumento de medida? No será que su estatura es 1.72 m. pero
con dos decimales de precisión. De ser así, bien puede ocurrir que
a tres decimales la estatura sea 1.723. ¿Cuánto será a cuatro
decimales de precisión? ¿A mil decimales? ¿Existe en este momento
un aparato que puede medir el valor de una Variable Continua, de
manera exacta? La respuesta es no. Lo que puede hacerse es
medirla con una determinada precisión, esto es, aproximada a lo
que sería su “verdadero valor”.

Estadística I 12/07/2022 15
 Nota tomada de la página 194 del libro
Probabilidad y Estadística, Fundamentos y Aplicaciones
(Segunda Edición)

Aún los llamados “relojes atómicos” son simplemente instrumentos

de medida altamente precisos con respecto al verdadero tiempo
transcurrido, pero no son exactos. Si usted aún no está convencido
que

P(X = a) = 0, para X continua, aS,

no se opone a la realidad, le sugerimos leer nuevamente la

argumentación dada en este párrafo. La persona informante sigue
diciendo la verdad siempre, su verdad, lo que sí es cierto es que ella
tal vez no conoce que los números reales pueden redondearse para
efectos prácticos. Su realidad no pasa de dos decimales al reportar
estaturas y la verdad es que para la mayor cantidad de fines
prácticos esta precisión es más que suficiente, pero no exacta.
Estadística I 12/07/2022 16
 ATENCIÓN

• En definitiva, la probabilidad de que una Variable

Aleatoria X que es continua, tome un valor puntual a, es
cero. En el caso discreto, P(X = a) = f(a) y este valor
puede ser o no ser cero; concretamente si aS,
necesariamente P(X = a)  0.
• Si X es una Variable Aleatoria Continua, f(a) no
representa un valor de probabilidad, simplemente es el
valor de la densidad de X cuando X = a.

Estadística I 12/07/2022 17
 Probabilidad de una Variable Aleatoria
Continua

• Como consecuencia de lo previo, cuando X es continua,

P(a  X  b) = P({a}{a < X  b})

= P({a}) + P({a < X  b}) – P({a}{a < X  b})
= P({a < X  b})
= P({b}  {a < X < b})
= P({b}) + P({a < X < b}) – P({b}{a < X < b})
= P(a < X < b)

Estadística I 12/07/2022 18
 Probabilidad de una Variable Aleatoria
Continua

• Conclusión: Cuando X es continua, al determinar la

probabilidad de que X tome valores en un intervalo, es
irrelevante si se incluyen los dos extremos del intervalo,
si solo se incluye uno o no se incluyen los dos; esto es,
para constantes reales a y b tales que a < b,
P(a  X  b) = P(a < X  b)
= P(a  X < b)
= P(a < X < b)
= F(b) – F(a)

Estadística I 12/07/2022 19
 Valores Esperados de una v.a continua

Estadística I 12/07/2022 20
 Obtener la densidad y valores
Esperados para cualquier v.a continua

Estadística I 12/07/2022 21
 Distribución Acumulada de cualquier
v.a X

Estadística I 12/07/2022 22
 Ejemplo 4.1

Se conoce que el tiempo de vida útil, en años, de una máquina

troqueladora previo a que se produzca la primera falla que
conduzca a un mantenimiento emergente, ha sido modelado
como una Variable Aleatoria X tal que,

0 ; x0
F(x) =  −
x
1 − e 2
; x0

Determinar la Densidad, el Soporte de X y graficar f y F.

X es el Tiempo de Vida Útil de una máquina troqueladora, en años

Estadística I 12/07/2022 23
 0 ; x0
F(x) =  −
x …viene Ejemplo 4.1
1 − e 2
; x0

1 − 2x
 1 − 2x  1 − 2x f(x) = e para x > 0 y cero para el resto de x
F' (x) = 0 −  − e  = e 2
 2  2
Lo cual significa que el Soporte de X es S = {xR  x > 0}.

Estadística I 12/07/2022 24
 Ejemplo 4.2

Se conoce que el tiempo de vida útil, en años, de una máquina

troqueladora previo a que se produzca la primera falla que
conduzca a un mantenimiento emergente, ha sido modelado
como una Variable Aleatoria X tal que,
0 ; x0
F(x) =  −
x
1 − e 2
; x0
X es el Tiempo de Vida Útil de una máquina troqueladora, en años
Determinar la probabilidad de que una de estas máquinas
troqueladoras vaya a mantenimiento emergente, antes del
primer año de vida. 1 − 2x
f(x) = e para x > 0 y cero para el resto de x
2

Estadística I 12/07/2022 25
 …viene Ejemplo 4.2

Desarrollo. Con la información que se tiene concluimos que, la

probabilidad de que una de estas máquinas troqueladoras vaya
a mantenimiento emergente, antes del primer año de vida es:
P(X < 1) = P(X  1) = F(1) = 1 – e - (1/2) = 1 – 0.6065 = 0.3935

0 ; x0
F(x) =  −
x
1 − e 2
; x0
X es el Tiempo de Vida Útil de una
máquina troqueladora en años

Estadística I 12/07/2022 26
 …Desarrollo. Con la información que se tiene concluimos que, la
probabilidad de que una de estas máquinas troqueladoras vaya a
mantenimiento emergente, antes del primer año de vida es:

De otra manera, si no conociéramos F y conocemos f, esto es la

densidad: f(x) = 1 e− 2x para x > 0 y cero para el resto de x
2

Área Sombreada
1
1 −x
0.3935
0.3935
0
2
e 2 dx

X es el Tiempo de Vida
Útil de una máquina
troqueladora en años

1 1 – e-1/2 =
2
Estadística I 12/07/2022 27
 Si nos preguntaran cuál es la probabilidad de que una de estas
máquinas entre a mantenimiento emergente después del
segundo año de estar siendo utilizadas, debemos calcular:

X es el Tiempo de Vida Útil de una máquina troqueladora en años

P(X > 2) = 1 - F(2) = 1 – (1 – e -2(1/2)) = e-1 = 0.3679

 2
1 −x

1 −x
2
2
e 2 dx =1− 
0
2
e 2 dx

Estadística I 12/07/2022 28
 Si lo que se desea saber es la probabilidad que una de las
máquinas entre a mantenimiento luego de año y medio de
funcionamiento, pero no después de tres años tendríamos que
encontrar:

P(1.5 < X  3) = F(3) –F(1.5) = (1 - e-(1/2)3) - (1 - e-(1/2)1.5)

= - e-1.50 + e-0.75 = 0.2492

F(3) – F(1.5) = 0.2492

3
1 −x

1.5
2
e 2 dx
F(3)
F(1.5)

Estadística I 12/07/2022 29
 …viene Ejemplo 4.2

Con el propósito de determinar la probabilidad de que una de

estas máquinas entre a mantenimiento, en no más de medio
año de vida útil, debemos determinar:

P(X  0.5) = F(0.5) = 1 – e-(1/2)(0.5) = 0.2212

Estadística I 12/07/2022 30
 Si lo que se desea es determinar el valor esperado
de la Variable Aleatoria X tendríamos que:
 X es el Tiempo de Vida Útil de una máquina troqueladora en años
E(g(x)) =  g(x) f(x) dx −
x
−
 x u=x dv = e 2
dx
−
E(x) =  x e
1
du = dx
2 x
dx −
0
2 v = ( −2)e 2

=
1  -2xe −
x 
2


−  (−2) e
−
x
2 
 
2
dx
0 0

 0 + 2  e dx 
 x
1 −
2
=

2
 0

=  2  e dx  =  e
 x  x x 
1 − − −
2 2
dx = −2e 2 = [0 − (−2)(1)] = 2
2
 0 0 0

2 años es el tiempo promedio que dura una máquina troqueladora o

Estadística I 12/07/2022 31
2 años es el tiempo de vida útil promedio de una maquina troqueladora
Ejemplo 4.3: Se conoce que el tiempo de vida útil, en años, de una
máquina troqueladora previo a que se produzca la primera falla que
conduzca a un mantenimiento emergente, ha sido modelado como
una Variable Aleatoria X tal que,

X es el Tiempo de Vida Útil de una máquina troqueladora

0 ; x0
F(x) =  −
x
1 − e 2
; x0

Continuamos con las máquinas troqueladoras; si a la

administración de una industria donde están instaladas diez de
estas máquinas, le interesa saber cuál es la probabilidad de que
cinco de ellas entren a mantenimiento antes de medio año de
uso, ¿cómo responder a esta pregunta?

Estadística I 12/07/2022 32
 …viene Ejemplo 4.3

Desarrollo. Bajo las condiciones dadas, necesitamos conocer la

distribución de la variable número de máquinas que entrarán a
mantenimiento antes de medio año de entre las diez que tiene
la industria.

Llamemos Y a esta variable; Y es una Variable Aleatoria Discreta;

podría ser que ninguna máquina vaya a mantenimiento o que
todas vayan; cualquier otro número entero entre cero y diez es
también un valor que puede tomar Y; además toda máquina va
o no va a mantenimiento antes de medio año de vida.

Estadística I 12/07/2022 33
 REFERENCIAS BIBLIOGRÁFICAS

• ZURITA, G. (2010), “Probabilidad y Estadística, Fundamentos

y Aplicaciones”, Segunda Edición, Ediciones del Instituto de
Ciencias Matemáticas ESPOL, Guayaquil, Ecuador.

Estadística I 12/07/2022 34