TALLER VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

1. Sea X la variable aleatoria ‘nivel de colesterol, en mg/dl, de los varones de 40 años’.

Escribir los siguientes sucesos, con notación abreviada, en función de la variable aleatoria X:
(a) El conjunto de varones de 40 años cuyo nivel de colesterol es inferior a 145 mg/dl.
X : Nivel de colesterol
 X < 45
(b) El conjunto de varones de 40 años que tiene un nivel de colesterol de 250 mg/dl o superior.
X  250
(c) El conjunto de varones de 40 años cuyo nivel de colesterol está comprendido entre 200 y 250 mg/dl.
 200  X  250
(d) El conjunto de varones de 40 años cuyo nivel de colesterol es superior a 155 mg/dl y que además
tienen un nivel de colesterol superior a 240 mg/dl.
 X  155
 X  240
(e) El conjunto de varones de 40 años cuyo nivel de colesterol es superior a 175 mg/dl pero no
sobrepasa los 200 mg/dl.
175  X  200
(f) El conjunto de varones de 40 años cuyo nivel de colesterol es inferior a 180 mg/dl y superior a 200
mg/dl.

(g) El conjunto de varones de 40 años cuyo nivel de colesterol es inferior a 150 mg/dl o superior a 250
mg/dl.
 X  150   X  250
2) Sea X una variable aleatoria discreta con Sop(X) {0, 7, 6, 3, 2, 1, 3, 7, 5} y sea F( x ) su
función de distribución. Escribir las siguientes probabilidades en términos de la función de
distribución F(x):

Probabilidad de que X tome valores menores o iguales que 0.

𝑃(𝑋 ≤ 0) = 𝐹(0)

Probabilidad de que X tome el valor de 5.

𝑃(𝑋 = 5) = 𝑃(𝑋 ≤ 5)
𝑃(𝑋 ≤ 5) = 𝐹(5)

Probabilidad de que X tome valores menores que -3.

𝑃(𝑋 < −3) = 1 − 𝑃(𝑋 ≤ −3)
1 − 𝑃(𝑋 ≤ −3) = 1 − 𝐹(−3)
xx
Probabilidad de que X tome valores comprendidos entre -2 y 1.
𝑃(−2 < 𝑋 < 1) = 𝑃(𝑋 > −2) + 𝑃(𝑋 < 1)
 𝑃(𝑋 > −2) + 𝑃(𝑋 < 1) = 1 − 𝑃(𝑋 ≤ −2) + [1 − 𝑃(𝑋 ≤ 1)]
1 − 𝑃(𝑋 ≤ −2) + [1 − 𝑃(𝑋 ≤ 1)] = 1 − 𝐹(−2) + [1 − 𝐹(1)]

Probabilidad de que X tome valores menores o iguales que 2,5.

𝑃(𝑋 ≤ 2,5) = 𝐹(2,5)

Probabilidad de que X tome valores menores que 2,5.

𝑃(𝑋 < 2,5) = 𝑃(𝑋 ≤ 2,4)
𝑃(𝑋 ≤ 2,4) = 𝐹(2,4)

Probabilidad de que X tome valores mayores que 1.

𝑃(𝑋 > 1) = 1 − 𝑃(𝑋 ≥ 1)
1 − 𝑃(𝑋 ≤ 1) = 1 − 𝑃(𝑋 < 0)
1 − 𝑃(𝑋 < 0) = 1 − 𝑃(𝑋 ≤ 0)
1 − 𝑃(𝑋 ≤ 0) = 1 − 𝐹(0)

Probabilidad de que X tome valores mayores o iguales que -2.

𝑃(𝑋 ≥ −2) = 1 − 𝑃(𝑋 < −2)
1 − 𝑃(𝑋 < −2) = 1 − 𝑃(𝑋 ≤ −3)
1 − 𝑃(𝑋 ≤ −3) = 1 − 𝐹(−3)

Probabilidad de que X tome los valores 0, 1 o 3.

𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) − 𝑃(𝑋 = 3)

Probabilidad de que el módulo de X sea mayor o igual que 3.

𝑃(𝑋)
Probabilidad de que el módulo de X sea mayor que 3.

3. La función de probabilidad de V, el número semanal de accidentes en una cierta intersección de calles, está
dada por: P 0 = 0, 40 , P 1 = 0,30 , P  2 = 0, 20 y P 3 = 0,10

(a) Calcular la función de distribución de V y dibujar su gráfica.

F ( x ) = P ( X  x1 ) =  P ( X = xi ) =  pi
xi  x xi  x

x0 F ( x ) = P ( X  x ) = P ( ) = 0
0  x  1 F ( x ) = P ( X  x ) = P ( x = 0) = 2
5
1  x  2 F ( x ) = P ( X  x ) = P ( x  2 ) = P ( x = 0 ) + P ( x = 1) = 2 + 3 = 35
5 10 50
2  x  3 F ( x ) = P ( X  x ) = P ( x  3) = P ( x = 0 ) + P ( x = 1) + P ( x = 2 ) = 2 + 3 + 1 = 45
5 10 5 50
x=3 F ( x ) = P ( X  3) = P ( x = 0 ) + P ( x = 1) + P ( x = 2 ) = 1
 1 0.30 0.70
2 0.20 0.90
3 0.10 1
0 SI X<0 
0.40 SI 0  X<1
 
F ( x ) = 0.70 SI 1  X<2 
0.90 SI 2  X<3
 
1 SI 3  X 

(b) Calcular la probabilidad de que haya al menos dos accidentes en una semana cualquiera utilizando
la función de probabilidad.
 F ( xi ) = P ( X = x )
P (V  2 ) = P ( 2 ) + P ( 3) = 0.30
(c) Calcular la probabilidad de que haya al menos dos accidentes en una semana cualquiera utilizando
la función de distribución.

P (V  2 ) = 1 − F (1) = 0.30

(d) Media, varianza y desviación típica de X

4 4
5
Media:  =  x =  ( X ) =  X I  P ( X = xi ) =  X I  P =
I =1 I =1 i 5
 25 
 2 =  ( X 2 ) =  X 2 I  P ( X = xi ) =  X I  P =   = 5
4 4

I =1 I =1 i  5 
Varianza:  x2 =  2 −  2 = 5 − 1 = 4
Desviación tipica =  x = 4 = 2
x 2
Coeficiente variación: CVx = = =2
x 1

4) Una organización de consumidores anota regularmente el número de defectos importantes que se

encuentran en un automóvil nuevo. De sus estudios ha encontrado que la función de distribución de
la variable aleatoria X anteriormente mencionada es:

⌠0 si x < 0

│0,06 si 0 ≤ x < 1

│0,19 si 1 ≤ x < 2

│0,39 si 2 ≤ x < 3

F(x) =  0,67 si 3 ≤ x < 4

│0,92 si 4 ≤ x < 5

│0,97 si 5 ≤ x < 6

ɭ1 si 6 ≤ x

x f(x) F(x)
0 0,06 0,06
1 0,13 0,19
 2 0,20 0,39
3 0,28 0,67
a) Calcular p[X = 2].
4 0,25 0,92
R/ 0,20 5 0,05 0,97

b) Calcular p[X ≥ 3] 6 0,03 1

= 1 − p[X < 3] = 1 − p[X ≤ 2] = 1 − F(2) = 1 − 0,3 = 0,61

c) Calcular p[2 ≤ X ≤ 5] = f(2) + f(3) + f(4) + f(5)

= 0,20 + 0,28 + 0,25 + 0,05 = 0,78

d) Calcular p[2 < 𝑋 < 5] = f(3) + f(4) = 0,28 + 0,25

=0,53

e) Obtener la esperanza, la varianza y la desviación estándar

x ∙ f(x) x 2 ∙ f(x)
0 0
α1 = μ = E[X] = ∑x x ∙ f(x) = 2.80
0,13 0,13
2 2] 2
α2 = μ = E[x = ∑x x ∙ f(x) = 9.78 0,40 0.80

σ2 = v[x] = ∑x(x − μ)2 ∙ f(x) = α2 − α12 0,84 2,52

1 4
= 9,78 − 7,84 = 1,94
0,25 1,25
0,18 1,08
σ = √v[x] = √1,94 = 1,39

9. La varinb1e aleatoria X tiene función de densidad dada por

x Si 0 < x < 1 
 
| f ( x) = 2 − x Si 1  x < 2 
0 En cualquier otra parte 


(a) Demostrar que f(x) es una función de densidad y representarla gráficamente.

Cumpliendo con dos propiedades:

f x ( x)  0  X 



−
f x ( x)dx = 1

dFx ( x)
f x ( x) = FDP
dx
 0 x<0 
 0 x  1 

dF ( x)  
f ( x) = = x 2

dx 2x- − 1 1< x  2 
 2 
1 x>2 

(b) Obtener la función de distribución de la variable aleatoria A y representarla gráficamente.

Distribución acumulada.
x

 0 dx =
−
0

0 x
x2
 0 dx +  x dx =
− 0
2
0 1 x
x2
 0 dx +  x dx+  (2-x) dx = 2x-
− 0 1
2
−1

0 1 2 x

 0 dx +  x dx+  (2-x) dx+  0 dx = 1

− 0 1 1

0 x<0 
 2 
x 0 x  1 
dF ( x)  2 
f ( x) = = 2 
dx 2x- x − 1 1< x  2 
 2 
 
1 x>2 

(c) Calcula e1 valor esperado y la varianza de A.

 Media o Valor esperado.
 1 2 1 2
1 =  x = ( X ) = 
−
x f ( x)dx =  x.x dx +  x(2 − x) dx =  x 2 dx +  (2 x − x 2 ) dx =
0 1 0 1
1 2
 x3   x3  1  8  1
=   +  x 2 −  =  4 −  − 1  = 1
 3 0  3 1 3  3  3

Varianza.  x2 =  2 + 12
 1 2 1 2
 2 = ( X 2 ) = 
−
x 2 f ( x)dx =  x 2 .x dx +  x 2 (2 − x) dx =  x 3 dx +  (2 x 2 − x 3 ) dx =
0 1 0 1
1 2
 x   2x x 
4
1  16 16   2 1  14 7
3 4
=  + −  =  − − −  = =
 4 0  3 4 1 4  3 4   3 4  12 6
7 1
 x2 =  2 + 12 = − 1 =
6 6

(d) Hallar los percentiles 30 y 70 de la distribución.

i+ ( i+1)
nk entero Pk =
2
P(30) = 0.77
P(70) = 1.23

Desviación típica.
1
x = = 0.41
6

Coeficiente var iacional.

 0.41
CVx = = = 0.41
 1