GestinAeronutica:EstadsticaTerica

FacultadCienciasEconmicasyEmpresariales
DepartamentodeEconomaAplicada
Profesor:SantiagodelaFuenteFernndez

VARIABLES ALEATORIAS UNIDIMENSIONALES

VARIABLE ALEATORIA
Es una funcin que asigna un valor numrico a cada suceso elemental del espacio
muestral. Ms concretamente, es una variable cuyo valor numrico est determinado por
el resultado de un experimento aleatorio.
Las variables aleatorias se designan con letras maysculas X, Y, ... , y sus valores se
denotan con letras minsculas x, y, ... La variable aleatoria puede tomar un nmero
numerable o no numerable de posibles valores, dando lugar a dos tipos de variables
aleatorias: discretas y continuas.

VARIABLE ALEATORIA DISCRETA

Se dice que una variable aleatoria X es discreta cuando toma un nmero finito o infinito
numerable de valores reales.
As, una variable aleatoria discreta sera el nmero de llamadas telefnicas que entran
en una centralita durante un periodo de tiempo; el nmero de depsitos de una entidad
bancaria; el nmero de piezas defectuosas que aparecen en una proceso de fabricacin,
etc.

FUNCIN de PROBABILIDAD o FUNCIN de CUANTA: Tabla formada por los

valores que toma la variable junto con sus probabilidades.
Sea X una variable aleatoria discreta que toma un nmero finito de valores x1, x 2 , , xn ;
indicando la probabilidad de que la variable aleatoria X tome un valor particular xi por:
pi P(X x i ) P(xi )
X
P(X xi )

x1

x2

P(X x1 )

P(X x 2 )

xi
P(X x i )

P(X x ) 1
n

siendo

i 1

La representacin grfica es un diagrama de barras:

xn
P(X xn )

FUNCIN de DISTRIBUCIN: Sea una variable aleatoria discreta X, se denomina

funcin de distribucin de X a la funcin acumulativa, no negativa, continua por la
derecha, siendo F( ) 0 y F( ) 1

P(X x ) P(X x )
x

F(x) P(X x)

xi x

xi x1

representa la suma de las probabilidades puntuales hasta el valor x inclusive de la

variable aleatoria discreta X.
Grficamente, esta funcin adopta una forma de escalera, tomando los saltos en los
valores aislados que tome la variable, siendo en cada uno de stos continua por la
derecha, como se muestra en el dibujo.

Se tiene que,
P(X x) 1 P(X x) 1 F(x)
P(x1 X x 2 ) P(X x 2 ) P(X x1 ) F(x 2 ) F(x1 )

Media o esperanza matemtica: La media o esperanza matemtica de una variable

aleatoria discreta X viene dada por la expresin:

n
xi . P(X xi ) Si X es discreta finita

X E(X) i 1
x . P(X x ) Si X es discreta finita numerable
i
i

i 1

En el caso de ser discreta numerable hay que suponer que la serie es absolutamente

convergente, es decir,

x . P(X x )
i

i 1

Si X k constante

X E(k) k

Varianza. Desviacin tpica: La varianza de una variable aleatoria discreta X viene

dada por la esperanza siguiente:

n
2
(xi X ) . P(X xi ) Si X es discreta finita

2X E(X X )2 i 1
(x )2 . P(X x ) Si X es discreta finita numerable
i
X
i

i 1

Si X k constante

2X E(k k) E(0) 0

La desviacin tpica es la raz cuadrada positiva de la varianza, viene dada por

2X

(x
i

)2 . P(X xi ) Si X es discreta finita

)2 . P(X xi ) Si X es discreta finita numerable

i 1

(x
i

i 1

Momentos: Dada una variable aleatoria discreta X se llama momento de orden k

respecto del parmetro c a la esperanza matemtica de la variable (X c)k , es decir:

n
k
(xi c) . P(X xi ) Si X es discreta finita

Mk E(X c)k i 1
(x c)k . P(X x ) Si X es discreta finita numerable
i
i

i 1

Momentos respecto al origen cuando c 0 , se denotan por k

x . P(X x )
k
i

xi0 . P(X xi ) 1
0

i 1

xi . P(X xi ) X
1

i 1

i 1

Momentos centrales cuando c X , se denotan por k

k E(X X )k

(x
i

)k . P(X xi )

i 1

(x
i

)0 . P(X xi ) 1

)1 . P(X xi ) 0

)2 . P(X xi ) 2X

i 1

(x
i

i 1

(x
i

i 1

Los momentos centrales y los momentos respecto al origen estn relacionados por la
expresin:
k

i .( ) .
i

k i

i0

En particular:
2

i .( ) .
i

i0

2 i

2
2
2
.( 1 )0 . 2 0 .( 1 )1 . 2 1 .( 1 )2 . 2 2
0
1
2

2 2. 12 12 2 12

2 2X 2 12

MEDIANA Y CUARTILES
Sea una variable aleatoria discreta X, con funcin de distribucin F(x) , se define la
Mediana como el punto mnimo M donde F(M) 0,5
Anlogamente para los cuartiles Q1 y Q3 :
El primer cuartil Q1 es el punto mnimo donde F(Q1 ) 0,25
El tercer cuartil Q3 es el punto mnimo donde F(Q3 ) 0,75
El rango o recorrido intercuartlico es RC Q3 Q1
La Moda representa el valor de la variable aleatoria que ms se repite el ms
probable, es decir, el que maximiza la funcin de probabilidad.

VARIABLE ALEATORIA CONTINUA

Se dice que una variable aleatoria X es continua si puede tomar un nmero infinito (no
numerable) de valores, o bien, si puede tomar un nmero infinito de valores entre dos
puntos de la recta real.
Situaciones que hacen referencia a tiempo, peso o longitud son ejemplos de una variable
aleatoria continua.
FUNCIN de DISTRIBUCIN: Sea una variable aleatoria continua X, se denomina
funcin de distribucin de X a la funcin acumulativa, continua por la derecha, no
negativa

F(x) P(X x)
F( ) 0

f(t) dt

F( ) 1

FUNCIN de DENSIDAD: Dada una variable aleatoria X, una funcin real f(x) no
negativa es una funcin de densidad de probabilidad de X (o simplemente funcin de
densidad) si el rea encerrada entre su curva y el eje OX es igual a la unidad y si,
adems, la probabilidad de que X se encuentre entre dos valores a y b con a b , es
igual al rea comprendida entre estos dos valores, es decir:

f(x) dx 1

P(a X b)

f(x) dx

La probabilidad de que X tome un valor particular es cero:

P(a) P(a X a)

f(x) dx 0

P(X
a)
1
P(X
a)
1
F(a)
f(x) dx

b
P(a X b) F(b) F(a) f(x) dx
a

Siendo, F(x) P(X x)

f(x)

f(t) dt

dF(x)
dx

Si X toma valores en el intervalo (a, b) entonces:

F(x)

f(x) dx 1 y

xa

f(t) dt a x b

xb

TRANSFORMACIONES LINEALES DE UNA VARIABLE ALEATORIA CONTINUA:

Sea X una variable aleatoria continua con funcin de densidad o cuanta fX (x) , al realizar
una transformacin montona (creciente o decreciente) Y = g(X) , se calcula la funcin
de densidad de la variable Y mediante:
fY (y) fX g1(y) .

dx
dy

Sea Y a b X donde X es una variable aleatoria continua

y abx

ya
b

dx 1

dy b

y a 1
Funcin de densidad de la transformada: fY (y) fX
.
b b
y a
s b 0
FX b

Funcin de distribucin de la transformada: FY (y)

1 F y a s b 0
X

b
E(Y) a bE(X)
Var(Y) b2 Var(X)
Media o esperanza matemtica: La media o esperanza matemtica de una variable
aleatoria continua X viene dada por la expresin:

X E(X)

x f(x) dx

X ,

x f(x) dx

X a, b

Cuando X , hay que suponer que la integral es absolutamente convergente, es

decir

x f(x) dx

Varianza. Desviacin tpica: La varianza de una variable aleatoria continua X viene

dada por la expresin:

2X E(X X )2

x f(x) dx
x f(x) dx

X ,

X a, b

La desviacin tpica es la raz cuadrada positiva de la varianza: X

2X

Momentos: Dada una variable aleatoria continua X se llama momento de orden k

respecto del parmetro c a la esperanza matemtica de la variable (X c)k , es decir:

k
Mk E(X c)

x c

x c
a

f(x) dx

f(x) dx

X ,
X a, b

Cuando X , hay que suponer que la integral es absolutamente convergente, es

decir

(x c)k f(x) dx

Momentos respecto al origen cuando c 0 , se denotan por k

k E(Xk )

X ,

xk f(x) dx

X a, b

x f(x) dx

0 1 1 X

Momentos centrales cuando c X , se denotan por k

k
k E(X X )

x X

x X
a

f(x) dx

f(x) dx

X ,
X a, b

0 1 1 0

2 2X

La relacin entre los momentos centrales y los momentos respecto al origen es la misma
que para las variables aleatorias discretas, teniendo:
k

i .( ) .
i

i0

en particular, 2 2X 2 12 E(X2 ) 2X

k i

FUNCIN GENERATRIZ DE MOMENTOS

La funcin que genera los momentos de una variable aleatoria (discreta o continua) es
la funcin generatriz, que se denota por

gX (t) E et X

P(x ) e

t xi

variable aleatoria discreta

et x f(x) dx

variable aleatoria continua

En el caso discreto, la serie correspondiente al valor esperado tendr que ser

convergente. Anlogamente, en el caso continuo, la integral correspondiente al valor
esperado tendr que ser convergente.
La funcin generatriz de momentos gX (t) depende nicamente de t, y cuando t 0 ,

gX (0) E e0 E (1) 0
Utilizando el desarrollo de una serie de Taylor para et X , se tiene:
et X 1 t X

(t X)2
(t X)3
(t X)4

2!
3!
4!

i0

(t X)i
i!

Tomando valores esperados:

(t X)i
gX (t) E et X E

i 0 i!

i0

ti
1 2
1 3
E (Xi ) 1 t E (X)
t E (X2 )
t E (X3 )
i!
2!
3!

Derivando sucesivamente la funcin generatriz gX (t) respecto a t , se obtiene:

g'X (t) E (X) t E (X2 )

g'X' (t) E (X2 ) t E (X3 )

1 2
1 3
t E (X3 )
t E (X 4 )
2!
3!

t2
E (X 4 )
2!

Particularizando para t 0 , resulta:

g'X (0) E (X) 1

g"X (0) E (X2 ) 2

g"'X (0) E (X3 ) 3

g(kX ) (0) E (Xk ) k

En caso de existir la funcin generatriz de momentos, se pude obtener cualquier

momento respecto al origen k , pudiendo generalizar:
Si existe el momento de orden k, respecto al origen, para cualquier valor entero y
positivo k, se tiene:

dk gX (t)
k g(kX ) (0)

k
dt t 0

Es decir, el momento respecto al origen de orden k, k , se puede obtener derivando la

funcin generatriz de momentos k veces, respecto a t, y particularizando para t 0
La funcin generatriz de momentos, cuando existe, se puede obtener como una serie de
potencias de t, cuyos trminos incluyen los momentos de la distribucin:
t2
t3
gX (t) E et X 1 t 1
2
3
2!
3!

FUNCIN CARACTERSTICA
La funcin caracterstica de una variable aleatoria X es una funcin de variable real
que toma valores complejos: :
tal que (t) E eitX
Teniendo en cuenta que eitX cos(tX) i sen(tX)

eitX

cos2 (tX) sen2 (tX) 1

(t) E eitX E cos(tX) i sen(tX) E cos(tX) iE sen(tX)

Dependiendo del tipo de variable aleatoria que se considera, se tiene:

Variable aleatoria discreta: (t) E eitX

Variable aleatoria discreta: (t) E eitX

itx j

j 1

. P X x j

eitX . f(x) dx

Si el momento de orden r de una variable aleatoria X existe, r E Xr , se puede

derivar k veces la funcin caracterstica (t) respecto a t, siendo 0 k r

k

(k ) (0) 1 dk
k k (t)
ik
i dt
t 0

con k 0,1,2,,r

Sea X una variable aleatoria X tal que E Xr r (t) es infinitamente

derivable y la funcin caracterstica se puede obtener como:
(it)2
(it)3
(it)k
(t) 1 (it) 1
2
3
k
2!
3!
k!

j0

(it) j
j
j!

La relacin entre la funcin generatriz de momentos M(t) y la funcin caracterstica

(t) viene dada por las siguientes expresiones:

t
M(t)
i

(t) M it

PROPIEDADES DE LA FUNCIN CARACTERSTICA

1. La funcin caracterstica (t) existe siempre para cualquier v.a. X

2. (0) 1
3. (t) 1
4. Sea una v.a. X y sea Y una transformacin lineal de la v.a. X, tal que Y a X b , con
a,b , entonces: Y (t) a X b (t) eitb X (a t)
Y (t) E eitY E eit (a X b) E eita X . eitb eitb . E eita X eitb . X (a t)
n

5. Sean X1 , X2 , , Xn variables aleatorias independientes. Sea S

una variable

i 1

aleatoria. La funcin caracterstica de S viene definida por:

n

S (t)

i 1

Xi

(t)

6. Sea X una variable aleatoria simtrica respecto al origen, tal que X X , entonces
X (t) X (t) X ( t)
7. X es una variable aleatoria simtrica respecto al origen, s y slo s, la funcin
caracterstica X (t) es real.

PROPIEDADES DE LA MEDIA

La esperanza de una constante es la propia constante: E (k) k

E k . X k .E X
Sea v.a. X:
E k X E k E X k E X

Sea v.a. X acotada, a X b

Sea v. a. X con g(X) y h(X) funciones de X y variables aleatorias:

E (a) E (X) E (b)

E a.g(x) b.h(X) a.E g(X) b.E h(X)

S g(X) h(X) E g(X) E h(X)

10

PROPIEDADES DE LA VARIANZA

La varianza de una constante k es cero: Var (k) 0

Var (k X) Var (k) Var (X) Var (X)

Var (k . X) k 2 . Var (X)

Var (k . X) E k . X E(k . X) E k . X k .E(X) E k . X E(X)

2

2
2
E k 2 X E(X) k 2 . E X E(X) k 2 . Var (X)

Var (k . X c) k 2 . Var (X)

Var (k . X c) E k . X c E (k . X c) E k . X c k .E(X) c ) E k . X k .E(X)

2
2
2
E k . X E(X) E k 2 X E(X) k 2 . E X E(X) k 2 . Var (X)

CAMBIO de ORIGEN y de ESCALA

Sea una variable aleatoria X, se entiende como un cambio de origen k cuando se

realiza la transformacin Y X c
Mediante esta transformacin todos los valores de la variable aleatoria X se
desplazan c unidades del eje de ordenadas manteniendo la misma posicin relativa y
la misma distancia entre ellos.
Calculando el valor esperado de la nueva variable aleatoria transformada Y, resulta:
E Y E X c E X c

es decir, Y X c

En la varianza del cambio de origen: 2Y Var (Y) Var (X c) Var (X)

Indicando que la varianza de la variable transformada por un cambio de origen queda
invariante. Es decir, el cambio de origen lo nico que hace es desplazar los valores
de la variable inicial X manteniendo la misma posicin relativa y, en consecuencia no
modifica la dispersin.

Se entiende como un cambio de escala e (e 0) cuando se realiza la transformacin:

X
Y
e
S e 1

Los nuevos valores transformados se alejan unos de otros y

aumenta la dispersin respecto de X Y

S e 1

Los nuevos valores transformados se acercan unos a otros, es

decir, se concentran y disminuye la dispersin respecto de X Y

11

Calculando el valor esperado de la nueva variable aleatoria transformada Y, resulta:

X E X 1
E Y E
. E(X)
e
e
e

es decir,

1
. X
e

Interpretando que tambin se produce el mismo cambio de escala en el valor

esperado o media de la variable.
1
X 1
En la varianza del cambio de escala: 2Y Var 2 . Var (X) 2 . 2X
e
e e
El cambio de escala modifica la dispersin de los datos de la variable aleatoria inicial
X, dispersndose s e 1 o concentrndose s e 1

COEFICIENTE DE VARIACIN
Es una medida relativa a la dispersin, se define como: CVX

X
E X X

Expresa la dispersin de una variable aleatoria X respecto a su media. Es muy til para
comparar dos distribuciones de probabilidad.
El CV no tendra sentido cuando la variable X tome valores positivos y negativos, pues
en este caso la media podra quedar compensada por los valores positivos y negativos y
no reflejara el tamao de X. Es decir, el coeficiente de variacin CV slo tendr sentido
cuando X sea una variable aleatoria que toma solo valores positivos.
CAMBIO DE ORIGEN DEL CV: Sea la transformacin Y X c

CVY Y
Y

2X
Var (X c)
X

CVX
E (X c)
X c X c

Concluyendo que el cambio de origen afecta al coeficiente de variacin CV

X
CAMBIO DE ESCALA DEL CV: Sea la transformacin Y
e

CVY

X
Var
e

X
E
e

1 2
1
. X
. X
2

e
e

X CVX
1
1
. X
. X X
e
e

Observando que el coeficiente de variacin CV es invariante a los cambios de escala.

CAMBIO DE ORIGEN Y DE ESCALA DEL CV: Sea la transformacin Y

12

Xc
e

CVY

Xc
1 2
1
Var
. X
. X

2
X
e
e
e

CVX
1
1
c

Xc
X
.( c)
.( c)
E
e X
e X
e

El coeficiente de variacin CV es invariante frente a cambios de escala, pero no frente al

cambio de origen.
Con el cambio de origen se produce un cambio en la media de la variable aleatoria
transformada Y, y en consecuencia cambia el coeficiente de variacin.

MEDIANA. CUARTILES. MODA

Sea una variable aleatoria continua X, con funcin de densidad f(x) y funcin de
distribucin F(x) , se define la Mediana como el punto M donde,

f(x) dx

1
1
tambin donde F(M)
2
2

Anlogamente en el caso de los cuartiles:

Q1

Primer Cuartil Q1 :

Q3

Tercer Cuartil Q3 :

f(x) dx

1
1
tambin donde F(Q1 )
4
4

f(x) dx

3
3
tambin donde F(Q3 )
4
4

El rango o recorrido intercuartlico es RC Q3 Q1

La Moda representa el valor de la variable aleatoria que ms se repite el ms
probable, es decir, el que maximiza la funcin de densidad.

TEOREMA DE CHEBYSHEV TCHEBYCHEFF

Establece la probabilidad mxima de que la variable aleatoria tome valores en los
alrededores de la esperanza matemtica (media de la distribucin).
Para toda variable aleatoria X para la que existe su esperanza y su varianza, se verifica
que, para cualquier valor numrico positivo k:
2
P X x k 2x
k
o tambin
P X x

2
k 1 2
k

P x k X x k 1 2
k

13

GestinAeronutica:EstadsticaTerica
FacultadCienciasEconmicasyEmpresariales
DepartamentodeEconomaAplicada
Profesor:SantiagodelaFuenteFernndez

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

Ejercicio 1.- Un experimento consiste en lanzar tres veces una moneda. Sea la variable
aleatoria: X ="nmero de caras que se obtienen". Se pide:

a)
b)
c)
d)
e)

Distribucin de probabilidad de X
Funcin de distribucin de X. Representacin grfica
Media, varianza y desviacin tpica de X
Probabilidad de que salgan a lo sumo dos caras
Probabilidad de que salgan al menos dos caras

Solucin:
a) Espacio muestral: (c,c,c),(c,c,e),(c,e,c),(e,c,c),(c,e,e),(e,c,e),(e,e,c),(e,e,e)
X(c,c,c) 3

P(X 3) 1 8

X(c,c,e) X(c,e,c) X(e,c,c) 2

P(X 2) 3 8

X(c,e,e) X(e,c,e) X(e,e,c) 1

P(X 1) 3 8

X(e,e,e) 0

P(X 0) 1 8

La distribucin de probabilidad ser:

X xi

P(X xi ) pi

xi . pi

xi2

xi2 . pi

x1 0

18

x2 1

38

38

38

x3 2

38

68

12 8

x4 3

18

38

98

12 8 1,5

24 8 3

b) La funcin de distribucin: F(x) P(X x)

P(X x ) p
i

xi x

xi x

x0

F(x) P(X x) P() 0

0 x 1

F(x) P(X x) P(X 0) 1 8

1 x 2

F(x) P(X x) P(X 2) P(X 0) P(X 1) 1 8 3 8 4 8

2x3

F(x) P(X x) P(X 3) P(X 0) P(X 1) P(X 2) 1 8 3 8 3 8 7 8

x3

F(x) P(X 3) P(X 0) P(X 1) P(X 2) P(X 3) 1

x3

F(x) P(X x) P( ) 1

14

X xi

P(X xi )

18

38

38

18

F(x) P(X x)

18

48

78

x0
0
1 8 0 x 1

F(x) 4 8 1 x 2
7 8 2 x 3

x3
1

c) Media, varianza y desviacin tpica de X

4

Media: 1 X E(X)

xi .P(X xi )

i 1

2 E(X )

i 1

x . p

x .P(X x ) x . p
2

i 1

Varianza: 2x E X X
2

2
i

i 1

12
1,5
8

24
3
8

x . P(X x )
2

i 1

2x 2 12 3 1,52 0,75
Desviacin tpica: x

0,75 0,87

d) Probabilidad de que salgan a lo sumo dos caras

P(X 2) P(X 0) P(X 1) P(X 2)

o bien P(X 2) F(2)

1 3 3 7

8 8 8 8

7
8

e) Probabilidad de que salgan al menos dos caras

P(X 2) P(X 2) P(X 3)

o bien P(X 2) F(1)

3 1 4 1

8 8 8 2

4 1

8 2

15

12

Ejercicio 2.- La variable aleatoria: X ="nmero de hijos por familia de una ciudad" tiene
la siguiente distribucin de probabilidad:

X
P(X xi )

0
0,47

1
0,3

2
0,1

3
0,06

4
0,04

5
0,02

6
0,01

Se pide:
a) Media o esperanza matemtica. Significado
b) Varianza y desviacin tpica
c) Si el Ayuntamiento de la ciudad paga 2000 euros por hijo e Y 2000. X , cul es la
distribucin de probabilidad?
d) Media, varianza y desviacin tpica de Y
Solucin:
a)
X xi

P(X xi ) pi

xi . pi

xi2

xi2 . pi

x1 0

0,47

x2 1

0,3

0,3

0,3

x3 2

0,1

0,2

0,4

x4 3

0,06

0,18

0,54

x5 4

0,04

0,16

16

0,64

x6 5

0,02

0,10

25

0,5

x7 6

0,01

0,06

36

0,36

2,74

Media: 1 X E(X)

x .P(X x ) x . p 1
i

i 1

i 1

Si se toma al azar una familia de la ciudad, el nmero de hijos que se espera que tenga
por trmino medio es uno.
b) Varianza y desviacin tpica
Varianza: 2x E X X
2

x . P(X x )
2

i 1

2 E(X )
2

x .P(X x ) x . p 2,74
2

i 1

2
i

i 1

2x 2 12 2,74 12 1,74
Desviacin tpica: x

1,74 1,32

16

12

c) Distribucin de probabilidad de la variable Y 2000. X

Y yj

P(Y y j ) p j

y1 0

0,47

y 2 2.000

0,3

y 3 4.000

0,1

x 4 6.000

0,06

y 5 8.000

0,04

y 6 10.000

0,02

y 7 12.000

0,01
1

d) Media, varianza y desviacin tpica de Y

Y 2000 X E(2000. X) 2000.E(X) 2000.1 2.000
2Y 22000 X Var(2000. X) 20002 . Var(X) 20002 . 1,74 6.960.000
Y

6.960.000 2638,18

Ejercicio 3.- Completar la ley de probabilidad , conociendo que la esperanza

matemtica es 1,8

X
P(X xi ) pi

0
0,2

1
a

2
b

Solucin:

p 0,2 a b 0,3 1
4

a b 0,5

i 1

x . p a 2b 0,9 1,8
4

a 2b 0,9

i 1

a b 0,5
Resolviendo el sistema:
a 2b 0,9

b 0, 4
a 0,1

17

3
0,3

Ejercicio 4.- Al lanzar cuatro monedas se considera el nmero de escudos obtenidos.

De la variable aleatoria X as obtenida, se pide:

a) Ley de probabilidad. Representacin grfica

b) Funcin de distribucin. Representacin grfica
c) Esperanza matemtica y varianza
d) Mediana y moda de la distribucin
e) Probabilidad de obtener ms de uno y menos de tres escudos
Solucin:
a) Sea X ='nmero de escudos en la tirada de cuatro monedas'
(c,c,c,c),(c,c,c,e),(c,c,e,c),(c,c,e,e),(c,e,c,c),(c,e,c,e),(e,c,c,c),(e,c,c,e),

(e,e,e,e),(e,e,e,c),(e,e,c,e),(e,e,c,c),(e,c,e,e),(e,c,e,c),(c,e,e,e),(c,e,e,c)
X(c,c,c,c) 0

P(X 0) 1 16

X(c,c,c,e) X(c,c,e,c) X(c,e,c,c) X(e,c,c,c) 1

P(X 1) 4 16

X(c,c,e,e) X(c,e,c,e) X(e,c,e,c)

X(e,e,c,c) X(e,c,e,c) X(c,e,c,e) 2

P(X 2) 6 16

X(e,e,e,c) X(e,e,c,e) X(e,c,e,e) X(c,e,e,e) 3

P(X 3) 4 16

X(e,e,e,e) 4

P(X 4) 1 16

La ley de probabilidad o funcin de cuanta:

X xi

P(X xi )

1 16

4 16

6 16

4 16

1 16

b) Funcin de distribucin:
X xi

P(X xi )

1 16

4 16

6 16

4 16

1 16

F(x) P(X x)

1 16

5 16

11 16

15 16

0
1 16

5 16
F(x)
11 16
15 16

x0
0 x 1
1 x 2
2x3
3x4
x4

18

Ley de Probabilidad

Funcin de distribucin

c) Clculo de la esperanza matemtica y varianza

X xi

P(X xi )

1 16

4 16

6 16

4 16

1 16

x .P(X x ) 2
5

xi .P(X xi )

4 16

12 16

12 16

4 16

i 1

x .P(X x ) 5
5

xi2 .P(X xi )

4 16

24 16

36 16

16 16

2
i

i 1

x .P(X x ) 2
5

Media: 1 X E(X)

i 1

x .P(X x ) 5
5

2 E(X )
2

2
i

i 1

Varianza: 2X Var(X) 2 12 5 22 1
d) Observando la ley de probabilidad la moda Md 2
Observando la funcin de distribucin la mediana Me 2 por ser F(x 2) 11 16 el
primer valor que iguala o deja por debajo a 0,5
e) P(1 X 3) P(X 2)

6
11 5
6
0,375 o bien P(1 X 3) F(2) F(1)

16
16 16 16

19

Ejercicio 5.- Calcular la media, varianza y coeficiente de variacin de la variable

aleatoria que tiene como funcin de distribucin:

x2
0
0,2 2 x 4

F(x) 0,55 4 x 6
0,85 6 x 8

x8
1
Solucin:
La ley de probabilidad o funcin de cuanta:
X xi

P(X xi )

0,2

0,35

0,30

0,15

Advirtase que la funcin de distribucin F(x) es una funcin acumulativa, por tanto:
P(X 2) F(2) F(0) 0,2

P(X 4) F(4) F(2) 0,55 0,2 0,35

P(X 6) F(6) F(4) 0,85 0,55 0,30

P(X 8) F(8) F(6) 1 0,85 0,15

Clculo de la esperanza matemtica y varianza

X xi

P(X xi )

0,2

0,35

0,30

0,15

x .P(X x ) 4,8
4

xi .P(X xi )

0,4

1,4

1,8

1,2

i 1

x .P(X x ) 26,8
4

x .P(X xi )
2
i

0, 8

5,6

10,8

9,6

2
i

i 1

x .P(X x ) 4,8
4

Media: 1 X E(X)

i 1

x .P(X x ) 26,8
4

2 E(X )
2

2
i

i 1

Varianza: 2X Var(X) 2 12 26,8 4,82 3,76

Desviacin tpica: x

3,76 1,94

Coeficiente variacin: CV

x 1,94

0, 40
x
4,8

20

Ejercicio 6.- La variable discreta X tiene como distribucin de probabilidad

X
P(X xi )

1
0,30

2
0,25

3
0,10

4
0,35

Se realiza un cambio de origen hacia la izquierda de dos unidades y un cambio de

escala de 3 unidades.
Se pide:
a) Media y varianza de la X
b) Media, varianza y coeficiente de variacin de la variable transformada por el cambio
de origen
c) Media, varianza y coeficiente de variacin de la variable transformada por el cambio
de escala
d) Media, varianza y coeficiente de variacin de la variable transformada por el cambio
de origen y escala
Solucin:
a)
X xi

P(X xi ) pi

xi . pi

xi2

xi2 . pi

x1 1

0,30

0,30

0,30

x2 2

0,25

0,50

1,00

x3 3

0,10

0,30

0,90

x4 4

0,35

1,40

16

5,60

2,5

7,8

Media: 1 X E(X)

x .P(X x ) x . p 2,5
i

i 1

2 E(X2 )

i 1

i 1

x 2i .P(X xi )

x . p 7,8
2
i

i 1

Varianza: 2x 2 12 7,8 2,52 1,55

Desviacin tpica: X

1,55 1,245

Coeficiente de variacin: CVX

X 1,245

0, 498
X
2,5

b) Sea Y la variable transformada, al realizar un cambio de origen hacia la izquierda de

dos unidades hay que restar 2, quedando: Y X 0 ' X ( 2) X 2 .

21

Media: Y E(Y) E X 2 E(X 2) E(X) 2

Y E(Y) 2,5 2 4,5

Varianza: 2Y Var X 2 Var(X) Var(2) 2X 0 2X

Desviacin tpica: Y

2Y 1,55

1,55 1,245

Coeficiente de variacin: CVY

Y
X
1,245

0,28 CVx
Y X 2
4,5

En consecuencia, el cambio de origen afecta a la media y, en consecuencia, al

coeficiente de variacin.
c) Al realizar un cambio de escala de 3 unidades, la variable transformada es Y
X 1
Media: Y E(Y) E . E(X)
3 3

1 2
X 1
Varianza: 2Y Var . Var(X)
. X
9
3 9
Desviacin tpica: Y

X
3

1
2,5
. X
3
3
2Y

1
1,55
.1,55
9
9

1,55 1
1
. 1,55 . X
9
3
3

1
.
Y 3 X X

CVX 0, 498
Coeficiente de variacin: CVY
Y 1 .
X
3 X
El cambio de escala afecta a la media y a la desviacin tpica de la misma forma, en
consecuencia deja invariante al coeficiente de variacin.
Resultados que se observan en la tabla, donde Y

X
3

Y yj

P(Y y j ) p j

y j . pj

y 2j

y 2j . p j

x1 1 3

0,30

0,1

19

0,3 9

x2 2 3

0,25

0,5 3

49

19

x3 1

0,10

0,1

0,1

x4 4 3

0,35

1, 4 3

16 9

5,6 9

2,5 3

7,8 9

Media: 1 Y E(Y)

y .P(Y y ) y . p
j

j 1

j 1

2 E(Y )
2

y .P(Y y ) y . p
2
j

j 1

2
j

j 1

22

2,5 1
. X
3
3

7,8 1
. E(Y 2 )
9
9

Varianza: 2Y 2 12

7,8 2,5
1
1,55

. 2X

9 3
9
9

Desviacin tpica: Y

1,55 1
1
. 1,55 . X
9
3
3

1
.
Y 3 X X

CVX 0, 498
Coeficiente de variacin: CVY
Y 1 .
X
3 X
d) Al realizar simultneamente un cambio de origen de 2 unidades a la izquierda y un
X2
cambio de escala de 3 unidades, la variable transformada es Y
3
1
2
X 2 1
. E(X 2) . E(X)
Media: Y E(Y) E

3
3
3 3
con lo que, Y E(Y)

1
2 1
2 4,5
. E(X) . 2,5
1,5
3
3 3
3
3

1
1 2
X 2 1

.
Var(X

2)

.
Var(X)

. X
Varianza: 2Y Var(Y) Var

9
9
3 9
Desviacin tpica: Y

1,55 1
1
. 1,55 . X
9
3
3

Coeficiente de variacin: CVY

1
. X
3

Y
X
1,245

0,28 CVx
1
2
Y
X 2
4,5
.X
3
3

El cambio de origen y de escala afecta a la media y desviacin tpica de distinta forma,

en consecuencia tambin queda afectado el coeficiente de variacin
.
X2
Resultados que se observan en la tabla, donde Y
3
Y yj

P(Y y j ) p j

y j . pj

y 2j

y 2j . p j

x1 1

0,30

0,30

0,30

x2 4 3

0,25

13

16 9

49

x3 5 3

0,10

0,5 3

25 9

2,5 9

x4 2

0,35

0,70

1,4

4,5 3

21,8 9

23

Media: 1 Y E(Y)

y j .P(Y y j )

j 1

j 1

2 E(Y 2 )

y . p

y 2j .P(Y y j )

j 1

y . p
2
j

j 1

4,5
1,5
3

21,8
9

21,8 4,5
1
1,55

. 2X
Varianza: 2

9
9
9
3
2
Y

2
1

Desviacin tpica: Y

1,55 1
1
. 1,55 . X
9
3
3

1
. X
Y

1,245
3
Coeficiente de variacin: CVY

X
0,28 CVx
Y 1 . 4,5 4,5
4,5
3

Ejercicio 7.- En un cine de verano hay instaladas 800 sillas, sabiendo que el nmero de
asistentes es una variable aleatoria de media 600 y desviacin tpica 100.
Qu probabilidad existe de que el nmero de personas que vaya al cine un da
cualquiera sea superior al nmero de sillas instaladas?

Solucin:
Sea la variable aleatoria X = "nmero de sillas del cine", donde 600 , 100
2
P X 800 P X x k 2
k
x k 800
P X 800

k 800 600 200

1002 1
0,25
2002 4

24

Ejercicio 8.- La variable discreta X tiene como distribucin de probabilidad

P(X k)

1
10

siendo k 2, 3, , 11

Se pide:
a)
b)
c)
d)

Funcin de distribucin
P(X 7)
P(X 5)
P(3 X 7)

Solucin:
a) F(x) P(X x)

x 1
10

siendo x 2, 3, , 11

Advirtase que entre dos valores consecutivos de la variable, la funcin de distribucin

toma el valor menor.
b) P(X 7) 1 P(X 7) 1 F(7) 1

6
4

0, 4
10 10

o bien, P(X 7) P(X 8) P(X 9) P(X 10) P(X 11)

c) P(X 5) F(5)

4
0, 4
10

4
0, 4
10

o bien, P(X 5) P(X 1) P(X 2) P(X 3) P(X 4)

d) P(3 X 7) F(7) F(3)

4
0, 4
10

6
2
4

0, 4
10 10 10

o bien, P(3 X 7) P(X 3) P(X 4) P(X 5) P(X 6)

4
0, 4
10

Ejercicio 9.- Se desea conocer el nmero de automviles que se deben poner a la

venta durante un periodo determinado para que se satisfaga una demanda media de 300
unidades con una desviacin tpica de 100 unidades, con una probabilidad no inferior al
75%.

Solucin:
Sea la variable aleatoria X = "nmero de automviles a la venta"
300 , 100
Segn Chebyshev:
P X x

2
k 1 2
k

P x k X x k 1 2
k
25

0,75

1002
P 300 k X 300 k 1 2
k

0,75 1

1002
k2

1002
0,25
k2

k2

1002
0,25

1002
200
0,25

300 k 300 200 500 automviles

Ejercicio 10.- La demanda media de un producto es de 100 unidades con una

desviacin tpica de 40 unidades. Calcular la cantidad del producto que se debe tener a
la venta para satisfacer la demanda de forma que puedan ser atendidos al menos el 80%
de los clientes.

Solucin:
100 , 40
Segn Chebyshev:
2

P X x k 1 2
k

P x k X x k 1 2
k

0,80

402
P 100 k X 100 k 1 2
k
0,80 1

402
k2

402
0,20
k2

k2

402
0,20

Se deben poner a la venta 90 unidades.

26

402
89, 44
0,20

Ejercicio 11.- La variable X ="nmero de centmetros a que un dardo queda del centro
de la diana" al ser tirado por una persona tiene como funcin de densidad:

k 0 x 10
f(x)
0 en otros casos
Se pide:
a) Hallar k para que f(x) sea funcin de densidad. Representarla
b) Hallar la funcin de distribucin. Representarla
c) Media, varianza y desviacin tpica
d) P(X 1)
e) Probabilidad de acertar en la diana
Solucin:
a) Para que f(x) sea funcin de densidad debe verificar:
1

f(x) dx

f(x) dx

10

f(x) dx

f(x) dx

10

10

f(x) dx

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

1

10

k dx k

10

dx 10 x 0 10 k
10

En consecuencia, f(x) 10
0

1
10

0 x 10
en otros casos

b) La funcin de distribucin se define F(x)

f(t) dt

x0
0 x 10
x 10

F(x)

F(x)

F(x)

f(t) dt 0

f(t) dt

f(t) dt

f(t) dt

f(t) dt

0
10

f(t) dt

f(t) dt

1
x
dt
10
10

10

27

f(t) dt

10

1
dt 1
10

En consecuencia,
0 x0
x

F(x)
0 x 10
10

1 x 10
c) Media
1 X E(X)

x f(x) dx

10

1
1
x . . dx
10
10

10

10

1 x2
x dx
5 cm
10 2 0

Varianza: 2X 2 12

2 E(X )
2

x f(x) dx
2

2X 2 12

10

1
1
x . . dx
10
10
2

10

10

1 x3
1 1000
100

x dx
0

3
10 3 0 10 3

100
25
52
cm2
3
3
25
2,9 cm
3

Desviacin tpica: X

d) P(X 1) F(1)

1
10

o tambin, P(X 1)

1
1
dx
10
10

dx

1
1
1
x 0
10
10

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

P(X 0)

f(x) dx
0

1
1
dx
10
10

dx 0
0

28

Ejercicio 12.- Se ha verificado que la variable X ="peso en kilos de los nios al nacer"
es una variable aleatoria continua con funcin de densidad

k x 2 x 4
f(x)
0 en otros casos
Se pide:
a) Hallar k para que f(x) sea funcin de densidad. Representarla
b) Hallar la funcin de distribucin. Representarla
c) Media, varianza y desviacin tpica
d) Probabilidad de que un nio elegido al azar pese ms de 3 kilos
e) Probabilidad de que pese entre 2 y 3,5 kilos
f) Qu debe pesar un nio para tener un peso igual o inferior al 90% de los nios
Solucin:
a) Para que f(x) sea funcin de densidad debe verificar:
1

f(x) dx

f(x) dx

f(x) dx

f(x) dx

f(x) dx

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

1

f(x) dx

f(x) 6
0

k x dx k

x2
16 4
x dx k k 6 k
2 2
2 2

1
6

2x4
en otros casos

b) La funcin de distribucin se define F(x)

f(t) dt

x2

F(x)

F(x)

f(t) dt 0

2x4

f(t) dt

x4

F(x)

f(t) dt

f(t) dt

f(t) dt

t
1 t2
1 x2 4 x2 4
dt

6
6 2 2 6 2
12
f(t) dt

29

t
1 t2
1
dt
6
6 2 2 6

16 4
2 1

x2

0
2
x 4
F(x)
12
1

2x4
x4

c) Media
1 X E(X)

x f(x) dx

x
1
x . . dx
6
6

1 x3
1 64 8 56
3,1 kilos
x dx
6 3 2 6 3 3 18
2

Varianza: 2X 2 12
2 E(X )
2

x f(x) dx
2

x
1
x . . dx
6
6
2

1 x4
1 256 16
x dx
10 kilos2
6 4 2 6 4
4
3

2X 2 12 10 3,12 0,39 kilos2

Desviacin tpica: 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
o tambin, P(X 3)

f(x) dx

e) P(2 X 3,5) F(3,5) F(2)

P(2 X 3,5)

3,5

f(x) dx

3,5

x
1 x2
1
9 7
dx 8
0,58
6
6 2 3 6
2 12

3,52 4
0 0,6875
12
3,5

x
1 x2
1 12,25 4 8,25
dx

0,6875
6
6 2 2
6 2
2
12

f) Sea k el peso del nio, se tiene:

F(k) P(X k) 0,9

k2 4
0,9
12

k 2 4 10,8

k 2 14,8

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

30

Ejercicio 13.- Gran nmero de fenmenos aeronuticos tienen asociada una variable
aleatoria con ley de probabilidad:
k e k x
f(x)
0

0x

k0

en otros casos

Se pide:
a) Puede tomar k cualquier valor?
b) Para k 0,1 representar la funcin de densidad, la funcin de distribucin y su grfica
c) Siendo k 0,1 hallar P(X 10)
d) Para k 0,1 calcular P(50 X 100)
Solucin:
a) Para que f(x) sea funcin de densidad debe verificar:
1

f(x) dx

f(x) dx

f(x) dx

ke

k x

dx

ke

k x

dx e

k x

La funcin de densidad no depende del valor del parmetro k, pudiendo tomar ste
cualquier valor positivo.
b) La funcin de densidad para k 0,1 ser:

0,1 . e 0,1 x
f(x)
0

x0
otros casos

La funcin de distribucin se define F(x)

f(t) dt

x0

F(x)

f(t) dt 0

F(x)
x0

f(t) dt

f(t) dt

0,1 . e

0,1t

dt

0,1 . e 0,1t dt

x
1
1

e 0,1t 0,1t 0,1 x 1 1 e 0,1 x

0
e 0
e

31

1
k x 1
0
e 0

 0
F(x)
0,1 x
1 e

x0
x0

c) P(X 10) 1 P(X 10) 1 F(10) 1 1 e 0,1.10

d) P(50 X 100) F(100) F(50) 1 e 0,1.100

1 e

0,1.50

1
e

10

e 5

1
1
10
5
e
e

Ejercicio 14.- Una variable aleatoria continua X tiene por funcin de densidad
1 x 0 x 1

f(x) x 1 1 x 2
0
otros casos

Se pide:
a) Representa la funcin de densidad
b) Hallar la funcin de distribucin y su grfica
c) P(0 X 1)

P X
2

P( 2 X 2)

Solucin:
a)

Se observa que el rea encerrada es igual a la

unidad

b) La funcin de distribucin se define F(x)

f(t) dt

x0

F(x)

F(x)

f(t) dt 0

0 x 1

1 x 2

F(x)

f(t) dt

f(t) dt

f(t) dt

f(t) dt

t2
x2
(1 t) dt t x
2
2 0
f(t) dt

32

(1 t) dt

(t 1) dt
x

2
t2 t2
1 x2
1 x
t t 1 x 1
x 1
2 0 2 1 2 2
2 2

x2

F(x)

(1 t) dt
1

2
x x

2
F(x) 2
x x 1
2

c)

P(0 X 1)

t2 t2
(t 1) dt t t 1
2 0 2 1

x0
0 x 1
1 x 2
x2

P( 2 X 2)

P X
2

1
1

P(0 X 1) F(1) F(0) 1 1 0

2
2

P( 2 X 2) F(2) F( 2) 2 1 0 1
2

1
1 14 5
P X F( ) F 1

2
2 2 8
Ejercicio 15.- Una variable aleatoria continua X tiene por funcin de distribucin:
0
2
x
2
F(x)
2
2 x x 1

x0
0 x 1
1 x 2
x2

Se pide:
a) Hallar la funcin de distribucin y representarla
b) Media, varianza, desviacin tpica y coeficiente de variacin
3
1
c) P X
2
2
Solucin:

33

a) La funcin de densidad es la derivada de la funcin de distribucin en los puntos

donde exista la derivada, entonces:
x0
0
x
0 x 1
dF(x)

f(x)
dx
2 x 1 x 2
0
x2

0 x 1
x

f(x) 2 x 1 x 2
0
otros valores

b) Media
1 X E(X)

x f(x) dx

x. x. dx

x.(2 x). dx

x 2 dx

(2 x x ).dx
2

x3 2 x3
1
8 1
x 4 1 1
3 1 3
3 3
3 0

Varianza: 2X 2 12
2 E(X )
2

x f(x) dx
2

x . x. dx
2

x .(2 x). dx
2

x dx
3

x 4 2 x3 x 4
1 16 16 2 1 14 7

4 1 4 3
4 3 4 12 6
4 o 3
2X 2 12

7 2 1
1
6
6

Desviacin tpica: X

1
0, 41
6

Coeficiente variacin: CVX

X 0, 41

0, 41
X
1

34

(2 x 2 x 3 ).dx

2
(1 2)2
3
9
1 3
1
3
1 3 (3 2)
c) P X F F 2.
1
3 1 0,75
2
2
8
8 4
2
2
2 2
2

Ejercicio 16.- Una variable aleatoria continua X tiene por funcin de distribucin:
x 1
0

F(x) x 1 1 x 2
1
x2

a) Calcular la funcin de densidad o funcin de cuanta

b) Calcular la media, mediana y coeficiente de variacin
Solucin:
a) La funcin de densidad o funcin de cuanta es la derivada de la funcin de
distribucin en los puntos donde exista la derivada, entonces:
x 1
0
dF(x)
1 1 x 2
f(x)
dx
0
x2

b) Media: 1 X E(X)

1 1 x 2
f(x)
0 en otro caso

x f(x) dx

x2
1 3
x dx 2 1,5
2 2
2 1

La Mediana de una distribucin es el valor que deja el 50% de la distribucin a la

derecha y el otro 50% a la izquierda, por lo que:

F(Me ) 0,5 Me 1 0,5 Me 1,5

Me
Me
M

f(x) 0,5
dx 0,5 x 1 e 0,5
1
1

Coeficiente de variacin: CVX

2 E(X )
2

x f(x) dx
2

x3
8 1 7
x dx
3 1 3 3 3
2

CVX

2
1

Me 1 0,5

X
X

7 3
7 9
1
2
3 2
3 4 12
2
X

X 0,08

0,05
X
1,5

35

1
0,08
12

Me 1,5

Ejercicio 17.- La funcin de densidad de una variable aleatoria es:

a x 2 b 0 x 2
f(x)
en el resto
0

sabiendo que P x 1 0,1666 .

2

Determinar a y b.
Solucin:
Hay que calcular dos parmetros (a y b), por lo que se necesitan dos ecuaciones:

Por ser funcin de densidad:

f(x) dx
2

P x 1
2

x3

8a
2b
(a x b) dx a b x
3
3
0

8a 6b 3

x3

f(x) dx
(a x b) dx a b x 0,1666 , con lo que:
1/ 2
1/ 2
3
1/ 2

x3

a
a b 7a b

0,1666
a b x b
24 2 24 2
3
1/ 2 3

7a 12b 4

en consecuencia,
8a 6b 3

7a 12b 4

16 a 12b 6

7a 12b 4

36

2
0,22
9

6b 3

16 11

9
9

11
0,20
54

Ejercicio 18.- La funcin de distribucin asociada a la produccin de una mquina, en

miles de unidades, es del tipo:
x0
0

F(x) x (2 x) 0 x k
1
xk

a) Determinar k para que sea funcin de distribucin

b) Hallar la funcin de densidad
c) Calcular la media, mediana. moda y varianza de la produccin
d) Hallar P(X 0,5) y P(X 0,25)
e) Funcin de densidad y de distribucin de la variable aleatoria continua Y 6 X 3
Solucin:
a) Para que sea funcin de distribucin se debe verificar:
1 lim F(x) lim F(x)
xk

xk

lim x (x 2) k (k 2) 1

x k

k 2 2k 1 0

k 1

x0
0

En consecuencia, la funcin de distribucin es: F(x) x (2 x) 0 x 1

1
x 1

b) La funcin de densidad o funcin de cuanta es la derivada de la funcin de

distribucin en los puntos donde exista la derivada.
x0
0
dF(x)
f(x)
2 2 x 0 x 1
dx
0
x 1

2 2 x 0 x 1
f(x)
en otro caso
0

c) Media:
1

2 x3
2 1
x f(x) dx x (2 2 x) dx (2 x 2 x ) dx x 2
1 X E(X)
1
3 0
3 3

0
0

Para calcular la Moda hay que ver el valor que hace mnima la funcin de densidad o
de cuanta, es decir:

2 2 x 0 x 1
f(x)
en otro caso
0

2 0 x 1
f '(x)
0 en otro caso

La derivada de la funcin de cuanta f '(x) 2 0 , por lo que se trata de una funcin

decreciente y toma el valor mximo en el extremo superior del intervalo 0, 1 , por tanto
la moda Md 0

37

 La Mediana de una distribucin es el valor que deja el 50% de la distribucin a la

derecha y el otro 50% a la izquierda, por lo que:
F(Me ) 0,5

Me 2 Me 0,5

2M2e 4Me 1 0

Me

Me2 2Me 0,5 0

2Me2 4Me 1 0

16 8 4 2 2
2

1
4
4
2

De las dos soluciones se rechaza aquella que es mayor que 1, por lo que la Mediana es:
Me 1

2
2

La Varianza de la produccin: 2X 2 12
1

2 x3 x 4
2 1 1
x f(x) dx x (2 2 x)dx
2 E(X )

2 0 3 2 6

0
3
2

1 1
1

6 3
18

2X 2 12

x0
0

d) Funcin de distribucin F(x) x (2 x) 0 x 1

1
x 1

P(X 0,5) P(X 0,5) F(0,5) 0,5 (2 0,5) 0,75

P(X 0,25) 1 P(X 0,25) 1 F(0,25) 1 0,25 (2 0,25) 0,5625
2 2 x 0 x 1
Tambin mediante la funcin de cuanta: f(x)
en otro caso
0
P(X 0,5)

0,5

f(x) dx

P(X 0,25)

0,5

0,25

f(x) dx

0,5

(2 2 x) dx 2 x x 2 1 0,25 0,75
0

(2 2 x) dx 2 x x 2
1 (0,5 0,0625) 0,5625
0,25
0,25

e) Funcin de densidad de Y 6 X 3
Frmula del cambio de variable en la funcin de densidad: g(y) f(x).

38

dx
dy

y3
6

dx
d y3 1

dy
dy 6 6

x 0 y 3
Dominio de definicin de la nueva variable Y: Y 6 X 3
x 1 y 3
resultando:

y 3 1
dx 2 2
.

g(y) f(x).
6 6
dy
0

3 y 3

3 y

g(y) 18
0

en otro caso

3 y 3
en otro caso

Funcin de distribucin:

F(y)

y 3

1
(3 t) dt
3 18
1

3 y 3

2
y 6 y 27
F(y)
36

y3

y 3
3 y 3
y3

Ejercicio 19.- Dada la funcin f(x) = e-2x

a) Comprobar si puede ser funcin de densidad de una variable aleatoria X cuando su

campo de variacin es el intervalo x 0
b) En caso de que no lo pueda ser, qu modificaciones habra que introducir para que lo
fuera.
Solucin:
a) Para que sea funcin de densidad, debe cumplir dos condiciones en el campo de
variacin de la variable aleatoria:
f(x) no puede ser negativa
La integral de f(x) en el campo de variacin es 1
f(x) e2x 0

L e2x L 0

2x

x es positiva

1
1
1

1. No se cumple, luego la funcin dada no

e d x e2 x 0
2
2
0
2
0

es de densidad en el intervalo.

2 x

b) Para que sea funcin de densidad, se define f(x) k e2x

ke

2 x

dx k

2 x

k
1

1 k 2
d x k e 2 x
2
2
0

En consecuencia, f(x) 2 e2x

39

Ejercicio 20.- Dada la variable aleatoria continua X con funcin de densidad:

k (x 2) 0 x 4
f(x)
en el resto
0
Hallar:
a) El valor de k para que sea realmente una funcin de densidad
b) La funcin de distribucin
c) La varianza
d) P (2 X 3)
Solucin:

f(x) d x 1
4

a)

k (x 2) d x k
4

x2

1
(x 2) d x k 2x 16 k 1 k
16
2
0

1
(x 2) 0 x 4
f(x) 16
0
en el resto
b) Funcin de distribucin: F(x)

x0

F(x)

f(t) dt

0x4

F(x)

x4

F(x)

f(t) dt , en este caso:

0 dt 0

f(t) dt

0 dt

1
1
(t 2) dt
16
16

1 t2
(t 2) dt
2 t
16 2
0

x 2 4x
32

f(t) dt

0
2
x 4x
F(x)
32
1

0 dt

1
(t 2) dt
16

x0
0x4
x4

40

1 t2
0 dt
2 t 1
16 2
0

1
(x 2) 0 x 4
c) Para calcular la varianza: f(x) 16
0
en el resto

1 E X

x f(x) dx

1
1

x (x 2) dx
16
16

1
1

x (x 2) dx
16
16

1 x3
2
(x 2x) dx
x
16 3
0
2

1 112 7

16 3 3

2 E X
2

x f(x) dx
2

1 x 4 2 x3
(x 2x ) dx


16 4
3 0
3

1
128 20
64

16
3 3

Var(X) 2 1
2
X

0
2
x 4 x
d) F(x)
32
1

x0
0x4
x4

20 7
11


3 3
9
2
X

1
(x 2) 0 x 4
f(x) 16
0
en el resto

9 12 4 8 21 12 9
P (2 X 3) F(3) F(2)

32 32
32 32
P (2 X 3)

1
1 x2
1 9
9

(x 2) dx
2 x
16
16 2
2 16 2 32

41

Ejercicio 21.- La funcin de densidad asociada al trfico areo es del tipo:

2(x 1) 1 x 2
f(x)
en el resto
0
X3
5

Considerando la variable aleatoria continua Y

a) Obtener la funcin de densidad de la variable Y

b) Media y varianza de la variable Y
Solucin:

a)

X3
5

donde g(x)

X 5Y 3

x3
5

x 5y 3

dx
dy 5

x 1 y 4 5 0,8
x 2 y 1
g1 (y) 5 y 3

La funcin de densidad de la variable continua Y se obtiene:

dx 2 (5 y 3) 1 .5

dy
0

g(y) fX g1(y) .

0,8 y 1
en el resto

2(x 1) 1 x 2
f(x)
en el resto
0

50 y 40 0,8 y 1

0
en el resto

50 y 40 0,8 y 1
g(y)
0
en el resto

Media y varianza de la variable aleatoria continua X:

1 X E X

x f(x) dx

x 2(x 1) dx

2 x3

x2
(2 x 2x) dx
3
1
2

16
2 5
4 1
3
3 3
2 E X
2

x f(x) dx
2

x 2(x 1) dx
2

16 1 2 17
8
3 2 3 6

Var(X) 2
2
X

2
1

17 5
1


6 3
18
2
X

42

x 4 2 x3
(2 x 2x ) dx

3 1
2
3

 Media y varianza de la variable aleatoria continua Y:

1 Y E Y

y f(y) dy

0,8

y 50 y 40 dy

0,8

(50 y 2 40 y) dy

0,8

50 y 3

14

20 y 2
3
0,8 15
2 E Y 2

y f(y) dy
2

0,8

y 50 y 40 dy
2

0,8

(50 y 3 40 y 2 ) dy

0,8

50 y 4 40 y 3
131

3 0,8 150
4
2

Var(Y) 2
2
Y

2
1

131 14
1


150 15
450
2
Y

La media y varianza de la variable aleatoria continua Y se podan haber realizado

considerando las propiedades de la media y varianza de la variable aleatoria X, es decir:

43

Ejercicio 22.- La demanda diaria de un determinado artculo es una variable aleatoria

con funcin de densidad:

1
8

12 x
f(x)
64
0

0x4
4 x 12
otro caso

Los beneficios diarios dependen de la demanda segn la siguiente funcin:

5
5

B
10
15

x2
2 x4
4x8
8 x 12

si
si
si
si

Calcular:
a)
b)
c)
d)
e)
f)

Probabilidad de que en un da cualquiera la demanda sea superior a 10

Probabilidad de que la demanda sea inferior a 3
La esperanza y la varianza de la demanda
Funcin de distribucin de la demanda
Funcin de cuanta y funcin de distribucin de la variable aleatoria beneficios diarios.
Esperanza y varianza de la variable beneficios

Solucin:
a) P X 10

12

f(x) dx

10

b) P X 3

1
1
3
3
dx x 0 0,375
8
8
8

12 x
1
dx
64
64

10

f(x) dx

12

x2
1
12
x

0,03125

2 10 32

12

c) Media o Esperanza
1 x E (X)

x . f(x) dx

= 1+

x . f(x) dx

1
x dx
64

12

12

x . f(x) dx

x.

1
dx
8

12

x.

12

4
1
1 2 x3
2

(12 x x ) dx
x

6 x
16 0 64
3 4
2

1
1728
64 13
864 - 96 +
=
= 4,33

64
3
3 3

44

12 x
dx
64

Varianza:
2 E (X )
2

x . f(x) dx
2

8
=

12

x . f(x) dx
2

1
x dx
64
2

12

x . f(x) dx
2

1
x . dx
8
2

12

x 2.

12 x
dx
64

12

4
1
1 3 x4
x 3
(12 x x ) dx
4 x

0
24
64
4 4
2

64 1
5120 80
+
=
= 26,67
6912 - 5184 - 256 + 64 =
24 64
192
3
2

2x Var (X) 2 12

80 13
71

7,89
3 3
9

d) La funcin de distribucin de la demanda F(x)

f(t) dt

si x 0

si 0 x 4

F(x)
si 4 x 12

si x 12

0 dx 0
1
x
f(x) dx
0 dx
dx

8 8

1
12 x
1 1 x
f(x) dx
dx
dx

12 x 40

8 64 2 64 2

1
12 x
f(x) dx
0 dx
dx

8 64 dx 0 dx 1
x

f(x) dx

12

12

En resumen,
si x 0
0
x
si 0 x 4

8
F(x)

1
1 x 2

12 x 40 si 4 x 12

2 64 2

1
si x 12

e) La funcin de cuanta y la funcin de distribucin de la variable aleatoria beneficios

diarios se hallan considerando:
5
5

B
10
15

si
si
si
si

1
8

12 x
f(x)
64
0

x2
2 x4
4x8
8 x 12

45

0x4
4 x 12
otro caso

Funcin de cuanta o probabilidad:

P B bi

bi
-5

f(x) dx

f(x) dx

f(x) dx

10

15

12

f(x) dx

1
1
dx 0,25
8
4
1
1
dx 0,25
8
4
8

12 x
1
x2
dx
12
x

0,375
64
64
2 4

12

12

12 x
1
x2
dx
12
x

0,125
64
64
2 8

Funcin de distribucin F(B) P (B bi )

bi

P (B bi )

F(B) = P (B bi )

bi . P B bi

bi2 . P B bi

-5
5
10
15

0,25
0,25
0,375
0,125

0,25
0,50
0,875
1

-1,25
1,25
3,75
1,875

6,25
6,25
37,5
28,125

b . P B b 5,625
4

i 1

i 1

b . P B b 5,625
4

f) Media o Esperanza beneficios: b E (B)

i 1

Varianza beneficios:

b . P B b 78,125
4

E B
2

2
i

i 1

b2 Var (B) E (B2 ) b2 78,125 5,625 46, 48

2

Desviacin tpica de los beneficios: b

bi2 . P B bi 78,125

46, 48 6,817

46

Ejercicio 23.- Sea X una variable aleatoria continua con funcin de densidad tal que

f(x) 7 x 2
0

1 x 8
otro caso

a) Calcular el primer y tercer cuartil, el decil 7 y el percentil 85

b) Calcular la mediana y moda
Solucin:
a) La Funcin de distribucin:
F(x) P X x

f(t) dt

8
8 1
8 (x 1)
dt
2
7t
7 t 1
7x

1 x 8

sustituyendo, queda:
F(Q1 )

1 8 (Q1 1)

4
7 Q1

7 Q1 32(Q1 1)

F(Q3 )

3 8 (Q3 1)

4
7 Q3

21Q3 32(Q3 1)

Q3

32
2,91 Q3 D5 P75 2,91
11

F(D7 )

7 8 (D7 1)

10
7D7

49D7 80 (D7 1)

D7

80
2,58
31

F(P85 )

85 8 (P85 1)

100
7P85

P85

Q1

595P85 800 (P85 1)

32
1,28
25

Q1 P25 1,28

800
3,90
205

b) Me Q2 D5 P50
F(Me )

1 8 (Me 1)

2
7Me

7Me 16 (Me 1)

Me

16
1,78
9

La Moda Md se obtiene calculando el mximo de la funcin de densidad:

f(x)

8
7 x2

f '(x)

16
0
7 x3

La funcin es decreciente

De forma que f(1) f(x) f(8) , con lo que Md 1

47

Ejercicio 24.- Sea X una variable aleatoria continua con funcin de densidad tal que
e x
f(x)
0

x0
otro caso

a) Funcin generatriz de los momentos (f.g.m.)

b) Esperanza y varianza a partir de la f.g.m.
c) Funcin caracterstica
Solucin:
a) M(t) E e
tx

e . f(x). dx
tx

b) 1 E(X) M(1) (0)

2 E(X2 ) M(2) (0)

e x (t 1) dx

1
1
e x (t 1)
si t 1
0
t 1
1 t

dM(t)
d 1
1

dt t 0 dt 1 t t 0 (1 t)2

1
t 0

d2 M(t)
d d 1
d 1
2

2
2
dt
dt dt 1 t t 0 dt (1 t) t 0 (1 t)3
t 0

2
t 0

Var (X) 2 12 2 1 1
c) La funcin caracterstica se puede calcular utilizando la relacin entre funcin
caracterstica y los momentos:
(it)2
(it)3
(it)k
(t) 1 (it) 1
2
3
k
2!
3!
k!

48

j0

(it) j
j si t 1
j!

Ejercicio 25.- Sea X una variable aleatoria continua, cuya funcin de densidad es
3 x 2
fX (x)
0

0 x 1
en otro caso

Sea Y 1 X2 una transformacin de la v.a. X

a) Calcular la funcin de densidad de la v.a. Y
b) Calcular la funcin de distribucin de la v.a. Y
Solucin:
a) La transformacin asociada a la v.a. Y es derivable y estrictamente montona cuando
X toma valores en el intervalo (0, 1). En consecuencia, se puede aplicar la
transformacin, quedando la funcin de densidad:

Y 1 X

1
dx
dy 2 1 y

1
g (y) 1 y

1 y

La funcin de densidad de la variable continua Y se obtiene:

dx
3
dy

fY (y) fX g1(y) .

1 y

La funcin de densidad de la v.a. Y:

2 1 y

3
2

1 y

3
1 y

fY (y) 2
0

0 y 1
en otro caso

b) Funcin de distribucin:
y 0 FY (y)

0 y 1 FY (y)

y 1 FY (y)

f(t) dt 0

f(y) dy

f(y) dy

f(t) dt

f(t) dt

3
2

f(t) dt

1 t dt (1 t)3 1

f(t) dt

La funcin de distribucin de la v.a. Y ser: FY (y) 1

1

49

3
2

1 t dt 1

y0
(1 y)3

0 y 1
y 1

(1 y)3

Ejercicio 26.- Sea X una variable aleatoria continua, cuya funcin de densidad es

fX (x) 2
0

1 x 1
en otro caso

Sea Y X2 una transformacin de la v.a. X

a) Calcular la funcin de densidad de la v.a. Y
b) Calcular la funcin de distribucin de la v.a. Y
Solucin:
La transformacin Y X2 es derivable, pero no es estrictamente montona, puesto que
en el intervalo (-1, 0) la transformacin es decreciente y en el intervalo [0, 1) es
creciente.
En este caso, hay que determinar la funcin de distribucin de la variable aleatoria Y
para el caso general de las transformaciones de una variable aleatoria, ya que no se
puede aplicar el mtodo descrito en el ejercicio 25.
b) Clculo de la funcin de distribucin
FY (y) P Y y P X2 y P X

y P

y X

1
1
y
dx x y
2
y 2

La funcin de distribucin de la v.a. Y es: FY (y) y

1

1
dFY (y)
a) La funcin de densidad fY (y)
2 y
dy
0

Portal Fuenterrebollo

50

y0
0 y 1
y 1

0 y 1
en otro caso

f(x) dx