VARIABLE ALEATORIA CONTINUA:

Una variable aleatoria continua, se caracteriza por tomar los infinitos valores reales dentro de un intervalo.

La primera diferencia que tiene con la variable aleatoria discreta es que la probabilidad puntual
siempre es igual a cero, ya que, teniendo en cuenta la definición clásica de probabilidad, equivale a
tener un único caso favorable entre infinitos casos posibles.

Lo que si vamos a poder calcular son probabilidades acumuladas hasta un determinado valor 𝑡
perteneciente al recorrido de la variable usando la función de distribución que notaremos: 𝐹𝑋 (𝑡) y
que se define como:
𝐹𝑋 (𝑡) = 𝑃(𝑋 ≤ 𝑡) = 𝑃(𝑋 < 𝑡)
Numéricamente la función de distribución es:

Donde 𝑓(𝑥) es la función de densidad de la variable aleatoria 𝑋 y cumple con las siguientes
propiedades:
EJEMPLO:
Sea 𝑋 una variable aleatoria cuya función de densidad es:

Hallar su función de distribución:

Planteamos:
Si 𝑡 < 0
𝐹𝑋 (𝑡) = 0
PARA CALCULAR PROBABILIDADES USANDO LA FUNCIÓN DE DISTRIBUCIÓN
b) grafico de la función de densidad
 Varianza de una variable continua
Vimos que la esperanza no nos proporciona información acerca de si los valores
que puede tomar la variable aleatoria se encuentran cercanos o espaciados.
Por eso utilizaremos otra herramienta matemática denominada varianza.
La varianza es una medida de cuánto tienden los valores de una variable aleatoria
a alejarse de la media de la misma. La varianza es una medida de dispersión.
Dada X una variable aleatoria, si su varianza sX 2 existe, vale:
Vemos que la varianza es la esperanza de los cuadrados de las distancias entre los valores de la
variable y el valor medio de la distribución.
Si los valores de X están muy dispersos, los E(X)-X tenderán a ser más grandes, y la varianza tiende a
ser mayor. Observamos también que como las diferencias están al cuadrado, no importa si son
positivas (X a la derecha de la media) o negativas (X a la izquierda de la media). O sea que todas
"suman".
Operando con la fórmula de arriba se llega a otra fórmula para la varianza, que a
menudo resulta más práctica:
𝑏
𝑉ሺ𝑥ሻ = න 𝑥 2 𝑃(𝑋) 𝑑𝑥 − 𝐸(𝑥)2
𝑎

· La varianza es una medida de cuánto tienden los valores de una variable aleatoria a alejarse de
la media de la misma. Es decir que si la varianza es chica, la distribución se encuentra
concentrada alrededor de la media, y si es grande, se encuentra más esparcida, más dispersa.
· Como la varianza se define a partir de la media, puede, al igual que esta, no existir

Propiedades de la varianza son las mismas ya mencionadas

 Ejemplo :La longitud en cm. de las varillas fabricadas por una máquina es la variable
aleatoria X distribuida según:

a) ¿Cuál es la varianza de la longitud media de las varillas?

b) Si a las varillas se las corta a la mitad y se les agrega una punta de 1 cm., ¿Cuál es la varianza de la
longitud de las nuevas varillas?
 𝐿𝑛1/2
𝑒 −2𝑀 = 0,5 − 2𝑀𝑙𝑛𝑒 = 𝑙𝑛0,5 𝑀 =
2

· A diferencia de la media, la mediana siempre existe, y además es menos sensible a

las distribuciones que están espaciadas hacia uno de sus lados (como el ejemplo nº
5 de la media).

Así como calculamos la mediana podemos calcular los cuartiles deciles o percentiles
Moda o modo o valor más probable
Es otra característica que podemos calcular de una distribución.
La moda de una distribución es el valor más probable.
Es decir, si X es una variable aleatoria discreta, Mo(X) es el x (o los x) tales que PX(x) es
máxima.
Si X es continua, es el o los x tales que fX(x) es máxima.
 Ejercicio 5 de la práctica

Resolvamos
14

∫ 𝑎 ( 2 𝑥 +2 ) 𝑑𝑥=1
5

a=1/209

Si armamos la función de distribución podemos calcular las probavbilidades pedidas

𝐹 ( 𝑥 ) =¿
b-Ambos valores esta en la segunda rama de la función

P(8≤x≤12)= F(12)-F(4)=(0,6889 )
C-P(x>10) = 1-F(10)=1-0,5741=0,4258
d-
𝑃 ¿

𝐹 ¿
Teorema de chebycheff
Si x es una variable aleatoria, la probabilidad de que un valor cualquiera de esta
variable esté comprendido en intervalo , siendo K cualquier número
real positivo, es mayor o igual que

 Porcentaje que representa la superficie central de la

distribución:
P{ |x – E(x)|  k . (x) }  1 - 1/k2
 Porcentaje que representa las superficies no centrales
sumadas de la distribución:
P{ |x – E(x)|  k . (x) }  1/k2
1. Se sabe que una variable aleatoria, con distribución desconocida, tiene una probabilidad  al 20%
de encontrarse en un intervalo de 40 a cada lado de la esperanza matemática. Se desea saber el
valor de la dispersión.
Estaríamos en la situación del porcentaje central

P{ |x – E(x)|  k . (x) }  1 - 1/k2 0,20= 1 - 1/k2

Sabemos que
k . (x)=40 0,20= 1 - 1/k2

1-0,2= 1/k2
0,8=1/k2

√ 1
0,8
=𝑘
K=1,1180
Si reemplazamos la k obtenemos el desvio1,1180
3- Una máquina embotelladora llena en promedio 620 unidades por hora, con una dispersión de 20 botellas.
Hallar la probabilidad de que en una hora embotelle entre 486 y 754 botellas.
P{ |x – E(x)|  k . (x) }  1 - 1/k2
P(486<x<754) =1-1/k2 1-1/k2
E(x)=620
486-620=k. (x)
134=k20
k=6,7
Si reemplazamos el valor de k E(X)=620
1-1/k2=1-1/6,72=0,977 X1=486-620 X2=754-620
Por lo tanto P(486<x<754) =0,977