Variables aleatorias continuas:

X será una v.a. continua cuando puede tomar todos los valores posibles de un
intervalo, finito o infinito.

DEFINICIÓN :
Diremos que una variable aleatoria X : Ω → ℜ es de tipo continuo si existe una función
real positiva f : ℜ → ℜ , que llamaremos función de densidad, tal que :
x
F ( x) =
−∞
∫ f (t )dt
PROPIEDADES:
i. f ( x) ≥ 0
+∞
ii. ∫ f (x)dx = 1
−∞
b
iii. P(a ≤ X ≤ b ) = ∫ f (t)dt
a

iv. Si f(x) es continua en a, entonces F’(a) = f(a)

Las dos primeras propiedades caracterizan a las funciones de densidad ya que si una función
cualquiera las verifica, puede construirse una v.a. de tipo continuo para la que será su función
de densidad. Estas propiedades únicamente indican que una función de densidad es una
función real positiva que encierra bajo ella área 1.
En la propiedad tercera pueden intercambiarse los menores o iguales por menores estrictos y
la propiedad se sigue cumpliendo. La propiedad cuarte proporciona una forma de calcular la
función de densidad a partir de una función de distribución continua en toda la recta real y
derivable en casi todos los puntos.

Características de una variable aleatoria continua

Esperanza Matemática o valor esperado

Se representa por E(X) y se calcula, en el caso continuo, mediante la fórmula:

+∞
E(X ) = ∫ x ⋅ f (x)dx
−∞
Gráficamente, la esperanza de una variable aleatoria continua coincide con el centro de
gravedad del área encerrada entre la función de densidad y el eje OX.
Varianza

Se representa por Var(X)=σ2 y se calcula, en el caso continuo, mediante la fórmula:

( )
Var ( X ) = E X 2 − E ( X )
2

+∞
( ) ∫x
donde E X 2 = 2
⋅ f ( x)dx .
−∞
La desviación típica σ se calcula como la raíz cuadrada de la varianza.
Ejercicio La variable X ="número de centímetros a que un dardo queda del centro
de la diana" al ser tirado por una persona tiene como función de densidad:

k 0  x  10
f(x)  
0 en otros casos
Se pide:

a) Hallar k para que f(x) sea función de densidad. Representarla

b) Hallar la función de distribución. Representarla
c) Media, varianza y desviación típica
d) P(X  1)

e) Probabilidad de acertar en la diana

Solución:

a) Para que f(x) sea función de densidad debe verificar:

 

    
0 10 10
1 f(x) dx  f(x) dx  f(x) dx  f(x) dx  f(x) dx
  0 10 0

la primera y tercera integral son cero al ser f(x)  0 en esos intervalos.

1
  dx
10 10
k dx =k = x 0
10
1  10 k  k
0 0 10

1
 0  x  10
En consecuencia, f(x)  10
 0 en otros casos

x
b) La función de distribución se define F(x) 
∫

f(t) dt


x
x0 F(x)  f(t) dt  0


   
x 0 x x
1 x
0  x  10 F(x)  f(t) dt  f(t) dt  f(t) dt  dt 
  0 0 10 10

    
x 0 10 x 10
1
x  10 F(x)  f(t) dt  f(t) dt  f(t) dt  f(t) dt  dt  1
  0 10 0 10
 En consecuencia,

0 x0
x

F(x)   0  x  10
10
 1 x  10

c) Media
10

1  x2 
  
10 10
1 1
1   X  E(X)  x f(x) dx  x . . dx  x dx     5 cm
 0 10 10 0 10  2  0

Varianza: 2X   2  12

10

1  x3  1  1000  100
  
10 10
1 1
 2  E(X ) 
2
x f(x) dx 
2
x . . dx 
2
x dx 
2
     0 
 0 10 10 0 10  3  0 10  3  3
100 25
2X   2  12   52  cm2
3 3

25
Desviación típica:  X   2,9 cm
3

1
d) P(X  1)  F(1) 
10

 
1 1
1 1 1 1
 x 0 
1
o también, P(X  1)  dx  dx 
0 10 10 0 10 10

e) Probabilidad de acertar en la diana: P(X  0)  0 por ser una variable continua

   dx  0
0 0 0
1 1
P(X  0)  f(x) dx  dx 
0 0 10 10 0
Ejercicio Se ha verificado que la variable X ="peso en kilos de los niños al nacer" es
una variable aleatoria continua con función de densidad

k x 2  x  4
f(x)  
 0 en otros casos
Se pide:

a) Hallar k para que f(x) sea función de densidad. Representarla

b) Hallar la función de distribución. Representarla
c) Media, varianza y desviación típica
d) Probabilidad de que un niño elegido al azar pese más de 3 kilos
e) Probabilidad de que pese entre 2 y 3,5 kilos
f) Qué debe pesar un niño para tener un peso igual o inferior al 90% de los niños

Solución:

a) Para que f(x) sea función de densidad debe verificar:

 

    
2 4 4
1 f(x) dx  f(x) dx  f(x) dx  f(x) dx  f(x) dx
  2 4 2

La primera y tercera integral son cero al ser f(x)  0 en esos intervalos.

4
 x2   16 4 
  
4 4 4
1
1 f(x) dx  k x dx  k x dx  k    k     6 k  k
2 2 2  2 2  2 2 6

x
 2x4
f(x)   6
 0 en otros casos


x
b) La función de distribución se define F(x)  f(t) dt



x

x2 F(x)  f(t) dt  0


x
1  t2  1  x2  4  x2  4
  
x x x
t
2x4 F(x)  f(t) dt  f(t) dt  dt      
 2 2 6 6  2 2 6  2  12
4
1  t2  1  16  4 
   f(t) dt  
x 4 x 4
t
x4 F(x)  f(t) dt  f(t) dt  dt      1
 2 4 2 6 6  2  2 6  2 
  0 x2
 2
x  4
F(x)   2x4
 12
 1 x4

c) Media
4

1  x3  1  64 8  56
  
4 4
x 1
1   X  E(X)  x f(x) dx  x . . dx  x dx        
2
 3,1 kilos
 2 6 6 2 6  3  2 6  3 3  18

Varianza: 2X   2  12

4

1  x4  1  256 16 
  
4 4
x 1
 2  E(X ) 
2
x f(x) dx 
2
x . . dx 
2
x dx     
3
   10 kilos2
 2 6 6 2 6  4 2 6  4 4

2X   2  12  10  3,12  0,39 kilos2

Desviación típica:  X  0,39  0,62 kilos

32  4 5 7
d) P(X  3)  1  P(X  3)  1  F(3)  1   1   0,58
12 12 12
4
1  x2  1 9 7
 
4 4
x
o también, P(X  3)  f(x) dx  dx      8     0,58
3 3 6 6  2 3 6  2  12

3,52  4
e) P(2  X  3,5)  F(3,5)  F(2)   0  0,6875
12
3,5
1  x2  1  12,25 4  8,25
 
3,5 3,5
x
P(2  X  3,5)  f(x) dx  dx         0,6875
2 2 6 6  2 2 6 2 2 12

f) Sea k el peso del niño, se tiene:

k2  4
F(k)  P(X  k)  0,9 
  0,9  k 2  4  10,8  k 2  14,8
12

k  14,8  3,85 , es decir, el niño debe pesar 3,85 kilos para tener para tener al 90% de
los niños con un peso igual o inferior.