VARIABLE ALEATORIA CONTINUA (V.A.

C)

Es aquella variable aleatoria cuyo recorrido (conjunto de todos los n° Reales que se pueden asignar a X) es
Infinito No Numerable. Es decir que está formado por todos los valores x en el intervalo 0 ≤ x ≤ 1 y para todo
xi existe p(xi) ≥ 0 y ∑∞
𝑖=1 𝑝(𝑥𝑖) = 1
Conviene idealizar la situación (matemáticamente hablando) suponiendo que x puede tomar todos los
valores en el intervalo [0;1]. Ahora los valores no son contables y no tiene sentido hablar de p(x). Se sustituye
p(x) por f(x) definida en todo el intervalo [0;1]
f(x) debe cumplir:
1) f(x) ≥ 0 en [0;1]
1
2) ∫0 𝑓(𝑥)𝑑𝑥 = 1

Definición:
Si existe f(x) llamada FUNCIÓN DE DENSIDAD DE PROBABILIDAD que cumple:
1°) f(x) ≥ 0 ∀ x ∈ R
∞
2) ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1
Bajo estas condiciones se dice que X es una variable aleatoria continua.

En este caso la probabilidad de que la variable tome valores sobre determinado intervalo es igual al área
encerrada bajo la correspondiente función de densidad de probabilidad f(x) sobre dicho intervalo.

Para cualquier a y b con −∞ ≤ a ≤ b ≤ ∞

𝑏
P(a ≤ x ≤ b) = P(a ≤ x < b) = P(a < x ≤ b) = P(a < x < b) = ∫𝑎 𝑓(𝑥)𝑑𝑥 =
Si a=b la integral da cero.

Para VAC no tiene sentido hablar de probabilidades puntuales, porque son nulas:
𝑐
P(x=c) = ∫𝑐 𝑓(𝑥)𝑑𝑥 = 0

FUNCION DE PROBABILIDAD ACUMULADA O DE DISTRIBUCION: F(xi)

Es el área acumulada hasta determinado valor de la variable, y coincide con la probabilidad de que la variable
resulte menor o igual que dicho valore. F(c) = p(x ≤ c)
𝑥
F(X)= ∫−∞ 𝑓(𝑥)𝑑𝑥 =
Ejemplo1:
2𝑥 𝑠𝑖 0 ≤ x < 1
Dada la función de densidad f(x)= {
0 𝑑𝑒 𝑜𝑡𝑟𝑜 𝑚𝑜𝑑𝑜.

a) Graficar f(x) ≥ 0
b) Verificar que es una función de densidad de probabilidad.
Demostrar que: f(x) ≥ 0 ∀ x ∈ R
∞
y que ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1
∞ 0 1 ∞
∫−∞ 𝑓(𝑥)𝑑𝑥 = ∫−∞ 0 𝑑𝑥 + ∫0 2𝑥 𝑑𝑥 + ∫1 0 𝑑𝑥 = 1

c) en caso de que lo sea, calcular: P(0,25 ≤ x ≤ 0,75) y P(x ≤ 0,3)

d) Encontrar y graficar F(x)

𝑥
Paso 1) Si x< 0 ∫−∞ 0 𝑑𝑥 = 0
0 𝑥
Paso 2) Si 0 ≤ x < 1 ∫−∞ 0 𝑑𝑥 + ∫0 2𝑥 𝑑𝑥 = x2
0 1 𝑥
Paso 3) Si x ≥ 1 ∫−∞ 0 𝑑𝑥 + ∫0 2𝑥 𝑑𝑥 + ∫1 0 𝑑𝑥 = 1

0 𝑠𝑖 x < 0
Entonces: F(x)= { 𝑥 2 si 0 ≤ x < 1
1 si x ≥ 1

Ejemplo 2:
Supongamos que la vida útil en horas (x) de un tubo de radio tiene una f(x) dada por:
𝑐
𝑠𝑖 x > 500 (horas)
f(x)= { 𝑥2 a) Calcular “c”
b) Cuál es la probabilidad de que un tubo dure por lo menos 1000 hs.
0 𝑑𝑒 𝑜𝑡𝑟𝑜 𝑚𝑜𝑑𝑜.
Propiedades de F(x)=
1) F(x) es No decreciente en R 3) F(x) es continua en R
2) lim 𝐹(𝑥) = 0
𝑥→ − ∞
Lim 𝐹(𝑥) = 1 4) Si F(x) es derivable en xi, F’(xi) = f(xi)
𝑥→ +∞

Hay 3 modelos de variables aleatorias continuas:

1. Distribución Uniforme
2. Distribución Exponencial Negativa
3. Distribución Normal (Campana de Gauss)

Distribución Uniforme:
1
𝑠𝑖 a < x < b 0 𝑠𝑖 x < a
𝑏−𝑎 𝑥−𝑎
f(x)= { F(x)= {𝑏 − 𝑎 si a ≤ x < b
0 𝑑𝑒 𝑜𝑡𝑟𝑜 𝑚𝑜𝑑𝑜. 1 si x ≥ b

2. Distribución Exponencial Negativa

𝛼. 𝑒 −𝛼 . 𝑥
𝑠𝑖 x > 0 0 𝑠𝑖 x ≤ 0
f(x)= { con 𝛼>0 F(x)= {
0 𝑑𝑒 𝑜𝑡𝑟𝑜 𝑚𝑜𝑑𝑜. 1 − 𝑒 −𝛼 . 𝑥
𝑠𝑖 x > 0.

3. Distribución Normal (Campana de Gauss)

La curva normal es el límite al cual tienden las distribuciones de frecuencias de muchos fenómenos reales,
que se caracterizan por ser simétricos (peso, longitud, etc.).
Una VAC x definida en R, tiene una distribución normal si su función de densidad de probabilidad es:
1 𝑥−𝜇 2
1
f(x)= . 𝑒 −2 . (
𝜎
)
𝜎 >0 ; 𝜇∈𝑅
√2𝜋 .𝜎

x: N(𝜇; 𝜎) Media y desvío

Propiedades:
1°) Tiene dos parámetros 𝜇 media o promedio poblacional y 𝜎 desvío estándar poblacional
2°) Cubre un área total igual a 1
3°) Es asintótica al eje x,
4°) Es perfectamente simétrica (media= moda=mediana)
5°) Tiene 2 puntos de inflexión en (𝜇 + 𝜎) 𝑦 (𝜇 - 𝜎)
𝑥
F(X)= ∫−∞ 𝑓(𝑥)𝑑𝑥 = Es imposible de resolver, por esto se dice que F(x) no existe.

Se debe tipificar la variable.

𝑥−𝜇
Si z= 𝜎 Si x→ ∞ ∶ 𝑧 →∞
1
dz= 𝑑𝑥 𝜎
Si x→ −∞ ∶ 𝑧 → −∞
dz .𝜎 = 𝑑𝑥

1 𝑥−𝜇 2
∞ 1 − . ( )
∫−∞ √2𝜋 .𝜎 . 𝑒 2 𝜎 𝑑𝑥 =
 1
∞ 1 (𝑧)2
=∫−∞ . 𝑒 −2 . 𝜎 . dz =
√2𝜋 .𝜎
1
∞ 1 (𝑧)2
= ∫−∞ . 𝑒 −2 . . dz =
√2𝜋 .

1
1 ∞ (𝑧)2
= . ∫−∞ 𝑒 −2 . . dz DISTRIBUCIÓN NORMAL ESTANDAR X : N(0,1)
√2𝜋

Si x se distribuye normalmente con media (𝜇) y varianza 𝜎 2 , entonces z se distribuye normalmente con media
0 y varianza 1
Los valores de P(x≤ a) están tabulados.
𝑎− 𝜇
* P(x≤ a) = 𝜃 ( 𝑧 = 𝜎 ) =

𝑎− 𝜇
* Si P(x ≥ a) = 1 - P(x≤ a) = 1 - 𝜃 ( 𝑧 = 𝜎
) =

𝑏− 𝜇 𝑎− 𝜇
* P(a < x < b) = P( 𝜎
<x< 𝜎
)=

Dado: X: N(200;15)
Calcular:
1) P(x ≤ 230)
2) P(x ≥ 180)
3) P(125 ≤ x ≤ 210)