Variables Aleatorias unidimensionales

Una variable aleatoria (v.a.) es un número real asociado al resultado de un

experimento aleatorio. Se trata, por tanto, de una función real con dominio
en el espacio muestral, X :Ω → .
Definición:
Si ε es un experimento aleatorio que tiene el espacio muestral Ω, y X es
una función que asigna un número real x(ω) para todo resultado ω Ω,
entonces X se llama variable aleatoria
Ω RecX

ω x(ω)

Ejemplos:
 El número de accidentes laborales en una empresa al año.
 El número de errores en un mensaje transmitido.
 El número de piezas defectuosas producidas a lo largo de un día en
una cadena de producción.
 Tiempo de duración de una batería
 Nivel de agua en el embalse
 Duración de una llamada a un servicio de atención al cliente
Ejemplo:
Se sabe que en una caja que contiene 50 chips el 10% están defectuosos.
Experimento: Se extrae al azar y con reposición una muestra de dos chips
de la caja.
D = El chip extraído de la caja es defectuoso
Se define la v.a. “X = Número de chips defectuosos en la muestra”
Recorrido de X = {0 , 1 ,2}
Ω Rec X

x(DC,DC) = 0
(D,D) 0
x(D,DC) = 1
(D,DC) 1 x(DC,D) = 1
x(D,D) = 2
(DC,D) 2

(DC,DC) X

Cecilia Larraín R Variables aleatorias unidimensionales Página 1

 Definición:
Ω RecX Si A es un suceso en el
A B
X
espacio muestral Ω y B es un
ω x(ω)
suceso en el espacio de RecX
de la variable aleatoria X, la
probabilidad de B se define
A y B son sucesos equivalentes como
PX(B) = P(A)
donde A = {ω Ω: x(ω) B }

Del ejemplo X = Número de chips defectuosos en la muestra

(5 D, 45 DC, n = 2 con reposición)

RecX Sucesos de Ω Probabilidad PX({0}) = P(DC DC)

= P(D )P(DC)
C independ.
0 (DC,DC) 0,81 = 0,9 · 0,9
1 (D,DC), (DC,D) 0,18 = 0,81
2 (D,D) 0,01
PX({1}) = P(D DC) + P(DC D)
= 0,1·0,9 + 0,9·0,1
= 0,18

Función de distribución FX(x) (distribución acumulada)

Sea X una variable aleatoria y x un valor particular de X.

Para cada variable aleatoria, se puede definir la función

FX(x) = P (X ≤ x), con x 

Propiedades de F(x):
 lim FX ( x ) = 0 (F (−∞) = 0)
x
 lim FX ( x ) = 1 (F(+∞) = 1)
x
 La función es no decreciente: si x1 < x2, entonces F(x1) < F(x2)
 La función es continua por la derecha. F(x+) = lim F( x h ) = F ( x )
h 0

 P(a < x < b) = F(b) – F(a)

FX(x) = F(−∞,x] = P (X ≤ x), es una función que va acumulando la

probabilidad de observar los distintos valores a medida que nos
desplazamos desde −∞ a +∞.

Cecilia Larraín R Variables aleatorias unidimensionales Página 2

Ejemplo:
Sea la v.a. X = número de caras en tres lanzamientos de una moneda
Rec X = {0 ,1 , 2, 3}
X = N° caras en tres lanzamientos de una moneda
0 si x < 0
1/8 si 0 x<1
F(X)= 4 / 8 si 1 x<2
7 / 8 si 2 x<3
1 si 3 x

P(X < 1) = F(1) = 4/8

Ω = {(C,C,C) , (C,C,S) , (C,S,C) , (S,C,C) , (C,S, S) , (S,C,S) , (S,S,C) , (S,S,S)}

Ejemplo:
Sea la v.a. X = tiempo de respuesta (en segundos) de una terminal conectada
en línea

F(X) = 1- e-0,2x , x > 0

P(X x)

P(X < 5) = F(5) = 0,632 x

Variable aleatoria discretas

Función probabilidad:
Sea X una v.a.d. Por tanto el recorrido de X consta, a lo más de un número
de valores. x1 , x2 , x3 , … . A cada resultado posible xi, se le asocia un
número p(xi) = P(X = xi), llamado probabilidad de xi ( i = 1, 2, …,) que deben
de satisfacer las condiciones siguientes:

a) p(xi) > 0 b) p(x i ) = 1

i=1

Se observa que: P( X = xi) = F(Xi) – F(Xi-1)

FX(xi) = p(x) (función de distribución)

x xi

∙ A la función “p(X)” se le denomina función de probabilidad o función de

cuantía de la v.a. X.
∙ A la colección de pares (xi, p(xi)), algunas veces se le llama distribución de
probabilidad. i = 1,2,3, …
∙ La función de probabilidad pX suele presentarse en forma de tabla, gráfica o
matemáticamente (si se encuentra una estructura que resuma todas las probabilidades del Rec X).

Cecilia Larraín R Variables aleatorias unidimensionales Página 3

Ejemplo (pág.1 ):
C
Una caja que contiene 50 chips el 10% están defectuosos. (5 D, 45 D )

 Se extrae al azar y con reposición una muestra de dos chip de la caja

Sea la v.a. “X = N° de chips defectuosos en la muestra (n = 2)”
Tabla
Distribución de probabilidad p(x)
X 0 1 2
p(x) 0,81 0,18 0,01

Gráfico de barras separadas

1,0

0,8
Probabilidad

0,6

0,4 0,81

0,2

0,18

0,0 0,01

0 1 2
N° de chips defectuosos

Observe que la función que asigna las probabilidades de la v.a. “X = n° de chips

defectuosos en la muestra (con reposición)” es:
Función de cuantía p(X)
2
p(x) = P(X = x) = ·(0,1)x ·(0,9)2-x ; para x = 0,1,2
x

Esta distribución de probabilidad se conoce como Binomial

Observación: La distribución de probabilidad es una población teórica; se utiliza para representar

poblaciones empíricas.

Función de distribución de “X = N° de chips defectuosos en la muestra (n = 2)”

0 ,x < 0 Utilice F(x) para determinar P(X = 2)
0,81 ,0 x<1
F(X)= P( X = xi) = F(Xi) – F(Xi-1)
0,99 ,1 x<2
1 ,2 x P(X = 2) = F(2) – F(1)
= 1 – 0,99
= 0,01

Cecilia Larraín R Variables aleatorias unidimensionales Página 4

Ejemplo (pág.1 ):
Se extrae en forma aleatoria con reposición una muestra 10 chips de la caja
y se define la variable aleatoria “W = número de chips defectuosos es la
muestra” con la siguiente función de cuantía:
C C
(5 D, 45 D , n = 10, P(D) = 0,1, P(D ) = 1 – 0,10)

10
(0,1) w (0, 9)10-w , w = 0,1,2, ...,10
p(w) = w
=
P(W = w) 0 , en otro caso

Determine la probabilidad de que la muestra contenga a lo más tres chips

defectuosos.

 Si se extrae en forma aleatoria sin reposición una muestra 10 chips de la

caja y se define la variable aleatoria “Y = número de chips defectuosos es la
muestra” con la siguiente función de cuantía:

5 45 Esta distribución se
y 10 - y conoce como distribución
, si y = 0, 1, 2, 3, 4, 5 hipergeométrica
p(y) = 50
=
P(Y=y) 10
0 , en otro caso
Determine la probabilidad de que la muestra contenga por lo menos dos
chips defectuosos.

Cecilia Larraín R Variables aleatorias unidimensionales Página 5

Variable aleatoria continua
Una variable aleatoria es continua cuando puede tomar cualquier valor en un
intervalo. Por ejemplo la estatura de una persona.
Supongamos que se mide la estatura de personas adultas y representamos las
medidas obtenidas en un histograma, se ha comprobado repetidamente en la
práctica que, tomando más y más observaciones y haciendo clases cada vez más
finas, el histograma tenderá a una curva suave que describirá el comportamiento
(la estructura) de la variable estudiada. Esta función límite se llama función de
densidad
Definición:
Se dice que una variable aleatoria X es continua si puede tomar un número
infinito de valores posibles asociados con intervalos reales, y hay una función
fX ( x ) , llamada función de densidad de probabilidad, tal que:
i) La función fX ( x ) > 0 ; - <x<

ii) f X ( x )dx 1

iii) fX ( x ) = 0 si x Rec de X.
b

Además: P(a < X < b) = f ( x )dx

x=a

P(a < X < b) = P(a < X < b) = P(a < X < b) = P(a < X < b)

d
Se observa que : f X ( x ) = FX ( x )
dx
x
y resulta que : FX ( x ) f X (t )dt
-

por lo tanto: P(X > a) = 1 – P(X < a) = 1 – F(a)

P(a < X < b) = F(b) – F(a)

Cecilia Larraín R Variables aleatorias unidimensionales Página 6

 Ejercicios I
Ejercicio I.1: Sea la variable aleatoria “X = vida útil de un determinado tipo
de batería (en cientos de horas)" que tiene asociada la función de densidad
de probabilidad siguiente:

ke-0,5x , x > 0
f(x)=
o ,en o.c

a. Determine el valor de k. Resp. k = 0,5

b. Encuentre la probabilidad de que la vida util de una batería elegida al azar
sea menor que 200 horas o mayor que 400 horas. Resp.: 0,767
c. Encuentre la función de distribución F(x)
d. Determine la probabilidad de que una batería de este tipo dure más de 300
horas dado que ya ha estado en uso más de 200 horas. Resp.: 0,606

Ejercicio I.2: Supongamos que el tiempo de respuesta de una terminal

conectada en línea es una v.a. X con la siguiente función de distribución:

F(X) = 1- e-0,2x , x > 0

P(X x)

x
F(x)

0,2e-0,2x , x > 0
f(x)=
o ,en o.c

a. ¿Cuál es la probabilidad de que el tiempo de respuesta sea mayor de 10

segundos?
Solución: Utilizando F(X) (distribución acumulada)
P(X > 10) = 1 – P(X < 10) = 1 – F(10) = 1 - 1-e 0,2 10)
e 2
0,135

Cecilia Larraín R Variables aleatorias unidimensionales Página 7

 Solución: Utilizando f(x) (f. de densidad)
0,2 x
P(X > 10) = 0,2e dx 0,135
x 10

b. ¿Cuál es la probabilidad de que el tiempo de respuesta esté entre 5 y 10

segundos?
Solución: Utilizando F(X) (distribución acumulada)
P(5 X 10) = F(10) - F(5) = 1 e 0.2 10 1 e 0,2 5
0,233

Solución: Utilizando f(x) (f. de densidad)

10
0,2 x
P(5 X 10) = 0,2e dx 0,233
x 5

c. Determine la probabilidad de que el tiempo de respuesta no supere 12 s

Medidas características de las variables aleatorias

Las distribuciones de probabilidad son representaciones simbólicas de
poblaciones y se puede determinar los parámetros como la media o
esperanza (primer momento alrededor de origen), varianza, desviación
estándar, percentiles. Los parámetros son medidas numéricas que resumen
aspectos importantes de la variable aleatoria y nos va a facilitar a entender
su comportamiento.
Las medidas de resumen de una v.a. se clasifican como:
Posición: Tendencia central: Esperanza, Mediana, Moda.
Percentiles
Dispersión: Varianza, Desviación estándar, Coeficiente de variación
Forma: Asimetría , cursosis

Cecilia Larraín R Variables aleatorias unidimensionales Página 8

 Medidas de POSICIÓN
X v. a. discreta con función de X v. a. continua con función de
cuantía p(x) densidad f(x)
ESPERANZA ESPERANZA
E(X) = xi·p(xi ) E(X) = xf(x)dx xf(x)dx
i - Rec X

Observación: media ≡ E(X) ≡ μ ≡ primer momento alrededor del origen

Ejemplo: Ejemplo:
Una empresa fabrica unidades ópticas La temperatura de encendido de un
ara PC, ha detectado que el número de interruptor con control termostático, en
unidades defectuosas(X) por partida, seun sistema de aire acondicionado, es
puede considerar una v.a. con función considerada una variable aleatoria con
de distribución de probabilidad la siguiente función de densidad dada
X 0 1 2 3 4 por
p(x) 0,54 0,18 0,15 0,08 0,05 x 1
, 59 x 61 (°F)
El número esperado de unidades ópticas f (x) 118
defectuosas por partida es 0 , en otro caso
E(X) = xi·p(xi ) = 0,92 61
x 1
i E(X)= x dx 60,006 15,589 C
x 59
118

Propiedades de E(X)
i) E(k) = k k cte.
ii) E(X + a) = E(X) + a a cte.
iii) E(bX) = bE(X) , b cte.
iv) E( a + bX) = a+ bE(X) a, b ctes.

v) Si g(x) es cualquier función de X, entonces

g(x)f(x), x v.a discreta

Re cX
E(g(x))
g(x)f(x)dx, x v.a. contínua
Re cX

Mediana: xm es es valor central del v.a. tal que

P(X < xm) = P(X > xm) = 0,5

Moda: Es el valor de mayor cuantía p(x) si X es una v.a.d

Es el valor de mayor densidad f(x) si X es una v.a.c

Cecilia Larraín R Variables aleatorias unidimensionales Página 9

Percentil: Es el valor xp tal que P(X < xp) = p o P(X > xp) = 1 - p
La mediana es el percentil 50

Ejercicios II
Ejercicio II.1: La demanda diaria X de autos de un concesionario de la ciudad,
viene dada por la siguiente función de probabilidad:
kx si x = 1, 2
p(x) = k(50 - x) si x = 3, 4, 5 La v.a. X tiene un
0 en o. c. recorrido discreto
a. Determine el valor de la constante k
b. Determine la demanda esperada
c. Si la utilidad U de un concesionario en ($105) viene dada por: U = 3X + 2
determine la utilidad esperada.
d. Sea g(x) = X2, determine E(g(x))
e. Determine la probabilidad de que en un determinado día se vendan por lo
menos dos autos
f. Determine la probabilidad de que en un determinado día se vendan a lo más
tres autos.
g. Determine e interprete el valor de P( X > 1 / X < 3)

Ejercicio II.2: El tiempo de activación X de los sensores fabricados por una

empresa es una variable aleatoria con función de densidad:

2x ;0<x 0,5 Un sensor se dice rápido si su tiempo de

activación es inferior a 0,2 segundos y lento si
2 su tiempo de activación es superior a 1
f(x) = (2 x ) ; 0,5 < x < k
3 segundo. Se pide:
0 en otro caso
La v.a. X tiene un recorrido continuo

a. Calcular el valor de k para que f(x) sea función de densidad Resp.: k = 2 seg
b. Determine el tempo de activación esperado Resp: E (X) = 5/6
c. ¿Entre que valores (s) se encuentran el 50% de los sensores con mayor tiempo de
activación.
d. Determine la probabilidad de que un sensor sea rápido.
e. De los sensores con tiempo de activación inferior a 1 seg., ¿Qué porcentaje supera a
su tiempo esperado? Resp. 18,056% (prob. condicional)
2
f. Sea h(x) = X , determine E(h(x))
g. ¿Cuál es el tiempo máximo de activación del 20% de los sensores con menos tiempo
de activación? Solamente se pide el percentil 20
h. Se escogen al azar y en forma independiente dos sensores, ¿Cuál es la probabilidad
de que por lo menos uno sea lento?

Cecilia Larraín R Variables aleatorias unidimensionales Página 10

 MEDIDAS DE DISPERSIÓN

Varianza V(X) o σ 2
La varianza de una variable aleatoria X es la esperanza de las
desviaciones cuadráticas a la esperanza o media, es decir
V(X) = E (X - E(X))2 ; E(X) = μ

V(X) = E(X - μ)2

= E[X - E(X)]2
= E[X2 - 2XE(X)+E(X)2 ]
= E(X2 ) - 2E(X)E(X) + [E(X)]2
= E(X2 ) - [E(X)]2 es más facil de calcular

Propiedades de la varianza:
i) V(X) > 0
ii) V(k) = 0, k cte
iii) V(bX) = = b2V(X)
iv) V(a + bX) = b2V(X); a,b ctes.

Desviación estándar: σ = V(X)

Coeficiente de variación: CV =
| E( X ) |
Ejemplo: cálculo de varianza de una v.a. discreta
El número de errores cometidos cada hora por individuo que registra datos
en un terminal de un computador es una variable aleatoria representada
por X y tiene la siguiente distribución de probabilidad:
X 0 1 2 3
p(x)
0,40 0,30 0,25 0,05
P(X=x)

E(X) = µ = 0·0,40 + 1·0,30 + 2·0,25 +3·0,05 =0,95 error

E(X2) = 02·0,40 + 12·0,30 + 22·0,25 +32·0,05 = 1,75 (error)2
V(X) = 1,75 – (0,95)2 = 0,8475 (error)2
σ = 0,9206 error ← desviación estándar o desviación típica

Cecilia Larraín R Variables aleatorias unidimensionales Página 11

Ejemplo: cálculo de varianza de una v.a. continua
La corriente medida en un conductor de cobre (en miliamperios) es una variable
aleatoria X cuya función de densidad viene dada por:
3
(2x - x 2 ) ; si 0 x 2
f(x) = 4
0 ; en otro caso
2
3
E(X) = x (2 x x 2 ) dx 1
x 0
4
2
3
E(X2) = x2 (2 x x 2 ) dx 1,2
x 0
4
V(X) = E(X2 ) - [E(X)]2
= 1,2 – 2
=0,2 (miliamperios)2 → des. estándar σ = 0,4472 miliamperios

Ejercicios III
Ejercicio III.1.
La demanda diaria de libros de Estadística en una Facultad de Ingeniería
es una v.a. que presenta la siguiente distribución de probabilidad:
2x
k ; x= 0, 1, 2, 3, 4
p(x) = x!
0 ; en otro caso
Determine:
a. El valor de k, para que p sea una verdadera función de probabilidad.
b. La función de distribución F(x).
c. La demanda media (esperada) diaria de libros.
d. La probabilidad de que en un día cualquiera se soliciten al menos tres
libros.
e. La probabilidad de que en un día cualquiera la demanda sea inferior a
dos libros.

Cecilia Larraín R Variables aleatorias unidimensionales Página 12

Ejercicios III.2
La temperatura (X) a que tiene lugar cierta reacción química es una variable
aleatoria con la siguiente función de densidad.
2(4 x )
1 x 2
f(x) 21
0 o. c.
a. Encuentre la función de distribución de X.
b. ¿Cuál es la temperatura esperada a que tiene lugar la reacción química?
c. Determine la mediana de la temperatura, a la cual tiene lugar la reacción
química. P( X < k) = 0,5: k = mediana o percentil 50

Ejercicio III.3
El fabricante de cierto tipo de compresor ha encontrado que la vida útil de un
compresor, en años, se puede modelar con la siguiente función de densidad:

3 x
si 0 x 2
8
f(x)
0 en o.c.

a. Si un cliente compró un compresor y ha estado funcionando por lo menos 6

meses ¿Cuál es la probabilidad que falle antes de 18 meses?
b. Cada compresor tiene un costo de 20 u.m. y se vende en 32 u.m. y el
fabricante da ciertas garantías. Si el compresor falla antes de 3 meses se
devuelve el importe de lo pagado. Si falla entre 3 meses y 6 meses, se
compromete a asumir el costo de mano de obra de la reparación que tiene un
valor de 5 u.m. ¿Cuál es la utilidad esperada por compresor?

Ejercicio III.4
Una empresa fabrica tornillos según el departamento de control de calidad de la
empresa, el numero de fallas superficiales en los tornillos (X) corresponde a una
variable aleatoria con E(X) = 0,88. Además se sabe que la función de cuantía está
dada por:

X 0 1 2 3 4
p(x) a 0,37 0,16 b 0,01
a. ¿Cuál es la probabilidad de que un tornillo presente al menos 2 fallas?
b. Calcule V(x), σX y C.V.

Cecilia Larraín R Variables aleatorias unidimensionales Página 13

Ejercicio III.5
El tiempo, en segundos, necesario para que un robot, dentro de una línea de
producción, ensamble una pieza mecánica, es una variable aleatoria con función
de distribución de probabilidad dada por:
0 ,x 0 Si el robot lleva ya más de un
x2 segundo en el proceso de
,0 x 3 ensamblaje. ¿Cuál es la
F(x) P( X x) 18
x probabilidad de que termine de
-1 ,3 x 4 ensamblar dicha pieza antes del
2
tiempo esperado?
1 ,4 x
(debe determinar f(x) para calcular
Esperanza)

Ejercicio III.6
Una máquina fabrica cierta pieza cuya longitud (cm) es una variables aleatoria
con la siguiente función de densidad:

k(x - 1)(3 - x) , 1< x<3

f(x) =
0 , o. c.

a. ¿Cuál debe ser el valor de k para que f(x) sea una función de densidad? K=3/4
b. Si la longitud de una pieza mide entre 1,7 y 2,4 m. no se desecha. Calcular la
proporción de ejes que serán rechazados.
c. Si se eligen al azar y en forma independiente 3 piezas fabricadas por la
máquina, ¿cuál es la probabilidad de que por lo menos una sea desechadas?

Ejercicio III.7
Se supone que el n° de bacterias por mm3 de agua es un estanque es una
variable aleatoria con la siguiente función de probabilidad:

0,5
e (0,5)x E(X) = 0,5
; x = 0, 1, 2, 3,...,
p( x ) = x! V(X) = 0,5
0 en otro caso

a. ¿Cuál es la probabilidad de que no haya bacterias en 1 mm 3. Resp.: 0,6065

b. ¿Cuál es la probabilidad de que se encuentren por lo menos 5 bacterias por
mm3 de agua. Resp.: 0,00017
c. Si se sabe que en un tubo hay bacterias, ¿Cuál es la probabilidad de que
haya menos de tres bacterias por mm3 de agua en dicho tubo. Resp.: 0,9634

Cecilia Larraín R Variables aleatorias unidimensionales Página 14

Ejercicio III.8
Sea X la variable aleatoria continua definida en el intervalo (0,1) y su función de
densidad f(x) = 12x2(1-x); f(x) = 0 en otro caso

2
1,8
1,6
1,4
1,2
f(x) 1
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1 1,2
X

a. La esperanza de esta variable aleatoria es:

1
E(X) = xf ( x )dx x 12 x 2 (1 x )dx = 0,6 = μ
x 0
Re c

b. Moda: Es el valor de mayor densidad f(x). Moda = 2/3

c. Mediana: Es el valor que deja a cada lado un 50% de la probabilidad.
Es decir, es el valor xm tal que F(xm) = 0,5 o P(X < xm) = P(X > xm) = 0,5
xm
12x 2 (1 x )dx 0,5 xm =
x 0

La mediana es el percentil 50
1
d. Varianza: V(X) = E(X2) – [E(X)]2 = x 2 12x 2 (1 x )dx - (0,6)2 = 1/25
x 0
e. Determine E(1,2X +0,5) =

Cecilia Larraín R Variables aleatorias unidimensionales Página 15

Ejercicio III.8

Un grupo de investigadores interesados en estudiar el Río Usumacinta

(Guatemala), encontró que la profundidad varía de un día a otro uniformemente
entre 12 y 15 metros.

a. Calcule la probabilidad de que en la siguiente medición se obtenga menos de

13 metros.
b. ¿Cuál es la profundidad promedio del Río?
c. Obtenga la desviación estándar para esta distribución

Distribución Uniforme

La v.a. X tiene distribución uniforme en el intervalo [a,b ], si su función de

densidad es
Notación X ~ U[a,b] )

Función de densidad función de distribución

1 0 ; x<a
;a x b
f(x)= b - a x-a
0 ; en o.c. F(X) = ;a x<b
P(X x)
b-a
1 ;x b

Esperanza y varianza de la v.a. X ~ U[a,b]

a+b (b - a)2
E(X) = V(X) =
2 12

Cecilia Larraín R Variables aleatorias unidimensionales Página 16

 MOMENTOS DE UNA VARIABLE ALEATORIA DISCRETA
1er momento alrededor del origen: E(X) = xi·p(xi )
i

2do momento alrededordel origen : E(X2 ) = x2i ·p(Xi )

i

Varianza: V(X) = E(X ) - [E(X)] = σ2

2 2

Desviación estandar: σ= V(X)

MOMENTOS Y GENERADORAS DE MOMENTOS

Los momentos de una variable aleatoria X son sus valores esperados

Definición
El r-ésimo momento de X alrededor del origen o de cero es:
E(Xr ) = xri ·p(Xi ) ; X v.a. discreta
i
Definición: Función generatriz de momentos MX(t)
MX (t) = E(etx ) = etxi ·p(Xi ) ; X v.a. discreta
i
Teorema: Sea X una v.a.
dr
M X (t ) t 0 E(Xr )
dt r

Cecilia Larraín R Variables aleatorias unidimensionales Página 17

 Taller 1 de variable aleatoria unidimensional

La vida útil, en meses, de cierto artículo electrónico se considera una

variable aleatoria (X), con función de densidad:

1. Complete el cuadro siguiente:

Esperanza Momento orden 2 Varianza Desviación Estándar Coeficiente de variación

E(X) E(X2) σ2 σ CV

2. Si un artículo lleva funcionando más del tiempo esperado, ¿Cuál es la

probabilidad de que su vida útil sea inferior a 7 años?

3. Determine entre qué valores se encuentra 5% de los artículos con menor

vida útil.

4. Suponga que mediante nuevas tecnologías, la vida útil del artículo puede
aumentar en un 20% , es decir, Y = 1,2X.
Determine: E(Y), σ Y y la probabilidad de que la duración de un
artículo supere 90 meses (con la nueva tecnología)

Cecilia Larraín R Variables aleatorias unidimensionales Página 18

 Taller 2 de variable aleatoria unidimensional
Ejercicio 1
Una máquina produce resistencias eléctricas cuyo contenido en cobre es una
variable aleatoria con función de densidad
0,25 ;3 < x <5
fX ( x ) k(x-9) ;5 x < 9
0 ; en otro caso
a. Determine el valor de k para que f(x) sea función de densidad. R: k =-1/16
b. Calcule la P ( | X - µ | ≤ σ ), donde µ = E(X) y σ2 = Var(X).
c. Hallar e interpretar el valor FX(5) (FX(x) es la función de distribución o distrib. Acumulada)
d. Si el calor que se produce al paso de la corriente es una variable aleatoria
definida como Y = cX2 +100, determine el valor de c para que
PY (Y < 1200) = 0,5. R: c =44

e. Una resistencia se considera defectuosa si produce menos de 804

grados o más de 2916. Sabiendo que es defectuosa, ¿cuál es la
probabilidad de que produzca una temperatura inferior a 804 grados?
R. 8/9

f. Determine el calor esperado que se produce al paso de la corriente.

Ejercicio 2
En una empresa empacadora, la experiencia ha demostrado que el número
de horas extras mensuales (X), que realiza un trabajador se puede
considerar una variable aleatoria con función de probabilidad:
x+2
si x = 1; 2; 3; 4; 5
50
10 - x
pX (x)= si x = 6; 7; 8; 9
20
0 en o. c.

a. Calcule la probabilidad de que el número de horas extras mensuales

que realiza un trabajador supere su valor medio esperado.
b. Calcule la P ( | X - µ | ≤ σ ), donde µ = E(X) y σ2 = Var(X).
c. La empresa paga 2 u.m. por hora de trabajo normal, este valor se
aumenta en un 75% si es hora extra y si trabajan más de 5 horas se
otorga además una bonificación de 0,1 u.m.
¿Cuál es el monto esperado por trabajador a pagar por la empresa
en un mes solo por concepto de horas extras? R. 18,25 UM

Cecilia Larraín R Variables aleatorias unidimensionales Página 19