105

Estadstica EEGGCC

Captulo 3. Variables aleatorias y modelos o distribuciones de probabilidad

3.1. Variable aleatoria
Una variable aleatoria X es una funcin del espacio muestral en los nmeros reales, es decir,
X : IR
La variable aleatoria asigna a cada elemento del espacio muestral un nmero que no es aleatorio o
imprevisible, sino fijo y predeterminado. Lo que es aleatorio es el experimento sobre cuyo espacio
muestral se define la variable aleatoria.

Rango de la variable aleatoria

Es el conjunto de los valores posibles de la variable aleatoria, es decir, RX = { X (w) / w }

Tipos de variable aleatoria

Una variable aleatoria es discreta si puede asumir un conjunto finito o infinito numerable de valores
diferentes, es decir, si su rango es un conjunto discreto.
Una variable aleatoria es continua si puede asumir cualquier valor en un intervalo o en general, si su
rango es un conjunto continuo.

Ejemplo 97
Indique el tipo de la variable aleatoria y su rango.

Variable aleatoria
W = nmero de libros defectuosos en un lote
de 100 unidades
X = nmero de llamadas realizadas por un
vendedor en una hora.
Y = tiempo que puede pasar un humano debajo del agua sin respirar (en minutos)
Z = monto pagado en la primera boleta de
pago (en nuevos soles)
S = Nmero de candidatos entrevistados hasta encontrar el tercero apto para un puesto
T = Peso de un recin nacido ( en kg.)
M = Nmero de crditos hipotecarios aprobados de 12 que fueron evaluados.
N = Nmero de accidentes de trabajo por
semana en una mina.

Notas

Rango

Tipo de variable

106

Captulo 3. Variables aleatorias y distribuciones de probabilidad

Evento (X = a)
El evento ( X = a) se define como ( X = a) = { w / X (w) = a }
Ejemplo 98
Sea el espacio muestral del experimento E = lanzar una moneda dos veces y observar si sale cara
(c) o sello (s) cada vez.
= {(c,c), (c,s), (s,c), (s,s)}.
Se define en la variable aleatoria X = nmero de caras obtenidas.
El rango de RX = {0, 1, 2}, entonces, X es una variable aleatoria discreta.
El evento (X = 0) = el nmero de caras obtenidas es cero = {(s,s)}
El evento (X = 1) = el nmero de caras obtenidas es uno = {(c,s), (s,c)}
El evento (X = 2) = el nmero de caras obtenidas es dos = {(c,c)}
El evento (X > 0) = (X = 1 X = 2) = {(c,s), (s,c), (c,c)}

3.2. Variable aleatoria discreta

Una variable aleatoria es discreta si su rango es un conjunto finito o infinito numerable. Si x es un
elemento del rango de la variable aleatoria discreta X, entonces, la probabilidad de que ocurra el
evento (X=x) se denota P(X = x).

Distribucin de probabilidad de una variable aleatoria discreta

La distribucin de probabilidad de una variable aleatoria discreta X se describe como una funcin de
probabilidad representada por f(x) que asigna a cada valor posible de la variable aleatoria, la probabilidad de que este valor ocurra, es decir, f(x) = P(X = x).
Toda funcin de probabilidad cumple lo siguiente:
0 f(x) = P(X = x) 1

f (x ) = P ( X = x ) = 1

x R X

x R X

Si A RX , entonces P ( X A ) =

f (x )

(RX = rango de la variable aleatoria X)

x A

El dominio de la funcin f(x) se puede extender a todos los nmeros reales, si se define f(x) = 0
para todo x IR - RX.

Ejemplo 99
Sea X una variable aleatoria discreta con la siguiente funcin de probabilidad:
x

10

15

20

25

30

f(x) = P(X=x)

0,05

0,12

0,28

0,34

0,15

0,06

Entonces: P(X <20) = P(X = 5) + P(X = 10) + P(X = 15) = 0,05 + 0,12 + 0,28 = 0,45
P(5< X <25) = P(X = 10) + P(X = 15) + P(X = 20) = 0,12 + 0,28 + 0,34 = 0,74

Notas

Estadstica EEGGCC

107

Ejemplo 100
Sea X el nmero de veces que se lanza un dado hasta que salga seis por primera vez. Determine la
funcin de probabilidad de la variable X y calcule P( X > 4)

Ejemplo 101
Sea la variable aleatoria X = nmero de expedientes rechazados por documentacin incompleta, en
un da. Usando informacin disponible en los archivos, se observ el nmero de expedientes rechazados por documentacin incompleta por da, en una muestra de 200 das. Los resultados fueron:
32 das no se rechazaron expedientes
48 das se rechaz un expediente
70 das se rechazaron dos expedientes
30 das se rechazaron tres expedientes
16 das se rechazaron cuatro expedientes
4 das se rechazaron cinco expedientes
a. Usar la informacin anterior para construir una distribucin de probabilidades para X.

b. Calcular la probabilidad de que en un da cualquiera sean rechazados ms de tres expedientes por

documentacin incompleta.

c. Calcular la probabilidad de que en un da cualquiera sean rechazados a lo ms dos expedientes

por documentacin incompleta.

Notas

Captulo 3. Variables aleatorias y distribuciones de probabilidad

108

Ejemplo 102
Se lanza un dado dos veces, sea la variable aleatoria X igual a la suma de los puntos de las caras superiores. Determine la funcin de probabilidad de la variable X.

Ejemplo 103
En una urna hay dos bolas rojas y tres bolas negras. Se saca, una a una y sin reemplazo, las bojas hasta que salga la segunda bola roja. Sea X la variable aleatoria definida como el nmero de extracciones
necesarias hasta que aparezca la segunda bola roja. Calcule la funcin de probabilidad de la variable
X.

3.3. Variable aleatoria continua

Una variable aleatoria continua X es aquella cuyo rango es un conjunto continuo, por lo general, un
intervalo de los nmeros reales.
El rango de la variable aleatoria continua X es un conjunto infinito no numerable por lo tanto la idea
de asignar un valor de probabilidad a cada elemento del rango ya no es posible y es por ello que se
define la funcin de densidad que nos permitir asignar probabilidades a los eventos relacionados
con X.

Funcin de densidad de una variable aleatoria continua

Se denomina funcin de densidad de probabilidad f(x) de una variable aleatoria continua X a la funcin que satisface lo siguiente:
f ( x ) 0 x R X

f (x ) dx = 1
RX

Si A RX , entonces P ( X A ) = f ( x )dx

El dominio de la funcin f(x) se puede extender a todos los nmeros reales, si se define f(x) = 0
para todo x IR- RX

Notas

109

Estadstica EEGGCC

Se cumple que:
b

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

P( X = a) = f ( x) dx = 0
a

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

Ejemplo 104
Si las ventas diarias (en miles de nuevos soles) en una tienda se modelan con una variable continua X
con funcin de densidad de probabilidad:
f ( x) = c x ; 0 x 10

a. Calcular el valor de c
b. Calcule e interprete P ( X < 5)
c. Calcule e interprete P ( X 8)
Solucin
10

x2
a. Como f(x) es una funcin de densidad cx dx = 1 , luego c
2
0

10

= 1 , de donde,
0

50c = 1 c = 0,02
5

b.

P ( X < 5) =

f ( x) dx = 0,25 . La probabilidad de que las ventas en un da cualesquiera sean me0

nores a 5 000 nuevos soles es de 0,25.

10

c.

P ( X 8) =

f ( x) dx = 0,36 . La probabilidad de que las ventas en un da cualesquiera sean de al

8

menos 8 000 nuevos soles es de 0,36.

Ejemplo 105
El porcentaje de grasa corporal en un hombre adulto de 40 aos puede modelarse como una variable
aleatoria continua X con la siguiente funcin de densidad de probabilidad:
f ( x) = a (12 x) ; 8 x 10

a. Determine el valor de a.

Notas

110

Captulo 3. Variables aleatorias y distribuciones de probabilidad

b. Si se elige al azar a un hombre adulto de 40 aos, calcule la probabilidad de que su porcentaje de

grasa corporal sea mayor a 9,5%

Distribucin de probabilidad de una variable aleatoria

La distribucin de probabilidad de una variable aleatoria X se denota f(x) y es:

la funcin de probabilidad de X, si X es discreta

la funcin de densidad de X, si X es continua.

3.4. Funcin de distribucin acumulada de una variable aleatoria

La funcin de distribucin acumulada de la variable aleatoria X, es una funcin F : IR IR , tal que
F ( x) = P( X x)
Si X es una variable discreta con funcin de probabilidad f(x)
F (a) = P( X a) =

f (x ) = P( X = x)
x a

x a

Si X es una variable continua con funcin de densidad de probabilidad f(x)

a

F (a) = P( X a) =

f (x )dx

Se cumple que:
0 F (a) = P( X a) 1
Si x1 x2 entonces F(x1) F(x2)
P(a < X b) = F(b) F(a)
Si la variable X es continua se cumple que

dF (x)
= f (x )
dx

lim F (x ) = 0 y que lim F (x ) = 1

Ejemplo 106
Sea X el nmero de caras obtenidas al lanzar una moneda tres veces. Encontrar la funcin de distribucin acumulada de la variable aleatoria X y calcular P(X 2)

Notas

111

Estadstica EEGGCC

Ejemplo 107
Sea X el nmero de lanzamientos de un dado hasta que salga el primer seis. Encontrar la funcin de
distribucin acumulada de la variable aleatoria X y P(X 3). (Recuerde que en ejemplo 100 calcul la
funcin de probabilidad de X).
Solucin
La funcin de distribucin acumulada de la variable aleatoria X es:
F (x ) = P( X x ) =

f (t ) =

t =1

5
F (x ) = 1
6

t 1

5 1
5
=1
6
t =1 6 6

; x = 1, 2, 3,...
3

5
Luego, la probabilidad pedida ser P( X 3) = F (3) = 1 = 0,4213
6

Ejemplo 108
Sea X una variable aleatoria discreta que denota el nmero de averas que un operario resuelve en
una jornada de trabajo, con funcin de probabilidad dada por:

f (x ) =

k
; x = 0, 1, 2, 3
x +1

Halle el valor de k. Encuentre y grafique la funcin de distribucin acumulada de X.

Ejemplo 109
El tiempo, en minutos, en que un equipo mete un gol durante un partido de ftbol se puede modelar
por una variable aleatoria continua X con la siguiente funcin de densidad de probabilidad:
f (x) =

1
; 0 x 90
90

a. Determine la funcin de distribucin acumulada de la variable aleatoria X.

Notas

Captulo 3. Variables aleatorias y distribuciones de probabilidad

112

b. Use la funcin de distribucin acumulada para calcular la probabilidad de que un equipo meta un
gol entre el minuto 20 y 30 del partido.

c. Si ya han pasado 40 minutos del partido y an no han metido goles, cul es la probabilidad de
que un equipo meta un gol en los prximos cinco minutos del partido?

d. Use la funcin de distribucin acumulada para calcular el rango intercuartil de X.

Ejemplo 110
La demanda diaria de gasolina, en miles de galones, en una refinera, se modela con una variable
aleatoria X con funcin de densidad f(x) dada por:
0 x 1
2cx ,
f ( x) =
c(3 x) , 1 < x 3

a.

Determine el valor de la constante c y la funcin de distribucin acumulada de la variable X.

b.

Cul debe ser, al comenzar el da, el inventario mnimo que la refinera debe tener para que
con una probabilidad de por lo menos 0,95, exista gasolina disponible al final de un da cualquiera?

Notas

113

Estadstica EEGGCC

3.5. Esperanza y varianza de una variable aleatoria

Esperanza de una variable aleatoria
La esperanza de una variable aleatoria X con distribucin de probabilidad f(x) se denota E(X) y se
define segn el tipo de variable:
Si X es una variable aleatoria discreta, entonces:
E (X ) =

xf (x ) = xP(X = x )

xRX

xR X

Si X es una variable aleatoria continua:

E (X ) =

xf (x )dx

A la esperanza E(X) tambin se le llama valor esperado o media de la variable X y se denota tambin por X.

Ejemplo 111
Se lanzan dos dados y sea la variable aleatoria X igual a la suma de los nmeros de las caras superiores. Calcule el valor esperado de la variable X.

Ejemplo 112
El nmero de trabajadores que faltan por da por razones de salud en una empresa se modela con
una variable aleatoria X con funcin de distribucin.

f(x)

0,08

K 0,03

0,40

0,25

Determine k. Calcule e interprete el valor esperado de X.

Notas

Captulo 3. Variables aleatorias y distribuciones de probabilidad

114

Ejemplo 113
Dada la siguiente funcin de densidad de probabilidad de la variable aleatoria X
; 0 x <1
x
f ( x) =
2 x ; 1 x < 2
Calcule el valor esperado de X

Esperanza de una funcin de variable aleatoria

Sea G(X) una funcin de la variable aleatoria X.
Si X es una variable aleatoria discreta, entonces:

E (G( X )) =

G(x) f (x ) = G(x)P(X = x )

xR X

xRX

Si X es una variable aleatoria continua:

+

E (G( X )) = G(x) f ( x )dx

Ejemplo 114
Un jugador lanza un dado, si sale un nmero de puntos mayor a cuatro gana 10 nuevos soles y si no,
pierde cinco nuevos soles. Calcule e interprete el valor esperado de la ganancia.

Ejemplo 115
La demanda diaria, en kilos, de un producto perecible se modela por una variable aleatoria con funcin de densidad

f ( x) = 0,01 ; 100 < x < 200

El kilo del producto tiene un costo de produccin de 30 nuevos soles y se vende a 50 nuevos soles.
Todo lo producido que no sea vendido en el da se remata a 15 nuevos soles por kilo. Calcule la cantidad que se debe producir diariamente para maximizar la utilidad esperada.

Notas

115

Estadstica EEGGCC

Varianza de una variable aleatoria

La varianza Var(X) de una variable aleatoria X con distribucin de probabilidad f(x) se define por:

Var ( X ) = E ( X X )2 = E ( X 2 ) x2
Si X es una variable aleatoria discreta, entonces:
Var ( X ) =

(x )
x

xR X

f (x ) =
x 2 f (x ) x2
xR

Si X es una variable aleatoria continua, entonces:

+
+

Var ( X ) = (x x ) 2 f (x )dx = x 2 f ( x )dx x2

La varianza de la variable aleatoria X tambin se denota por X2 .

Desviacin estndar de una variable aleatoria

X = X2
Ejemplo 116
Se lanzan dos dados y sea la variable aleatoria X igual a la resta del nmero mayor y el nmero menor de las caras superiores. Calcule la desviacin estndar de la variable X.

Notas

116

Captulo 3. Variables aleatorias y distribuciones de probabilidad

Ejemplo 117
La demanda diaria de un producto perecible puede modelarse por una variable aleatoria discreta X
cuya distribucin de probabilidad est dada por la tabla que sigue:

12

24

36

48

60

f(x)

0,15

0,25

0,30

0,20

0,10

La empresa obtiene por cada unidad demandada de producto 20 nuevos soles de utilidad. Si la cantidad vendida en un da es mayor a 36 unidades, se obtiene una utilidad adicional de dos nuevos soles
por unidad vendida de producto. La empresa tiene siempre ms de 60 productos en su almacn al
inicio del da. Calcule el valor esperado y la desviacin estndar de la utilidad por la demanda diaria
de productos.

Ejemplo 118
Dada la siguiente de probabilidad de la variable aleatoria continua X con funcin de densidad:
f ( x) = ax 2

; 0 < x <1

Determine el valor de a, luego calcule la media y desviacin estndar de X.

Propiedades del valor esperado y la varianza de variables aleatorias

E(b) = b; Var(b) = 0 para cualquier constante real b.
Si X e Y son variables aleatorias, a y b son constantes, entonces:
E(aX + bY) = a E(X) + b E(Y)
Si Y = aX + b, con a y b son constantes, entonces: E(Y) = aE(X) +b; Var(Y) = a2Var(X)

Notas

117

Estadstica EEGGCC

Si X1, X2, X3, . . ., Xn son n variables aleatorias, y a1, a2, a3, . . ., an son n constantes, entonces:

E ( a1 X 1 + a2 X 2 + ... + an X n ) = a1 E ( X 1 ) + a2 E ( X 2 ) + ... + an E ( X n )
Si X1, X2, X3, . . ., Xn son n variables aleatorias independientes, y a1, a2, a3, . . ., an son n constantes,
entonces:

V ( a1 X 1 + a2 X 2 + ... + an X n ) = a12V ( X 1 ) + a22V ( X 2 ) + ... + an2V ( X n )

Ejemplo 119
Un examen de admisin consta de 100 preguntas. Cada pregunta tiene cinco opciones para marcar y
solamente una respuesta correcta. Por cada respuesta correcta se le otorga al postulante un punto,
mientras que si la respuesta es incorrecta al postulante se le resta un cuarto de punto.
a. Si un postulante contesta todas las preguntas del examen al azar, calcule el valor esperado del
puntaje obtenido.

b. Si un postulante puede descartar en cada pregunta tres respuestas incorrectas y luego contesta
todas las preguntas del examen al azar, calcule el valor esperado del puntaje obtenido.

Desigualdad de Chebyshev
1

Para k > 1 se cumple que P | X X | k X ) 1 2

k

Variable estandarizada
La variable Z =

X x

, tiene esperado igual a 0 y varianza igual a 1.

Coeficiente de variacin
Sea X una variable aleatoria con distribucin de probabilidades f(x). El coeficiente de variacin de la
variable aleatoria X es:
CV X =

Notas

X
X

Captulo 3. Variables aleatorias y distribuciones de probabilidad

118

Moda
La moda de la variable aleatoria X es el valor de x que maximiza su funcin de distribucin f(x).

Mediana
La mediana de la variable aleatoria X es el menor valor de x tal que su funcin de distribucin acumulada F(x) 0,50.
Ejemplo 120
Sea X una variable aleatoria discreta con la siguiente funcin de probabilidad:

f ( x ) = kx ; x = 1, 3, 6, 9
Determine k y calcule la media, moda, mediana de la variable X y el coeficiente de variacin de la
variable Y = 3X + 5.

Ejemplo 121
La funcin de distribucin acumulada de la variable aleatoria X est dada por:

0
;
x 1

1
F ( x ) = a ( x + 1) ; 1 < x
3

1
1
;
x>

3
a.

Calcule P ( X > 0,5 X < 0,5)

b.

Calcule la media de la variable aleatoria Y = 2X + 4.

Notas

119

Estadstica EEGGCC

Ejercicios
48. El contenido (en gramos) de oro por tonelada de material extrado en una mina es una variable
X con funcin de densidad:
f ( x) = e x + c ; 0 x 3 .
a. Encontrar el valor de la constante c y hallar el contenido de oro esperado por tonelada de
material extrado.
b. Encontrar la funcin de distribucin acumulada de X y hallar la probabilidad de que una tonelada de material extrado tenga ms de un gramo de oro, si se sabe que a lo ms tiene dos
gramos de oro.
c. Si el costo por extraer el oro del material es de 25 dlares por tonelada y el gramo de oro se
vende a 40 dlares, encontrar la ganancia esperada al vender el oro extrado de 1000 toneladas de material.
49. En un taller hay tres tipos de mquinas: A, B y C. De las 20 del tipo A, 4 estn malogradas; de las
15 del tipo B, 2 estn malogradas; y de las 10 del tipo C, 3 estn malogradas. Se escoge al azar y
de manera independiente una mquina de cada tipo. Si la variable X es igual al nmero de mquinas malogradas escogidas, encontrar la media y la desviacin estndar de la variable X.
50. Sea X es una variable aleatoria continua con funcin de densidad de probabilidad dada por:

f ( x) = ce x
a.
b.
c.
d.

x <3

Halle el valor de la constante c.

Determine la funcin de distribucin acumulada de X, F(x).
Calcule la media y varianza de X.
Compruebe que se cumple el teorema de Chebyshev, para un intervalo con una longitud de
cuatro desviaciones estndar

51. Sea X una variable aleatoria continua con funcin de densidad:

1+ x2
f ( x) =
; 0 xa
12
a. Determine el rango, la moda, la media y la varianza de la variable aleatoria X.
b. Determine y grafique la funcin de distribucin acumulada de la variable aleatoria X.
c. Calcule la probabilidad de que X asuma valores en el intervalo [-2 ; +2], compare este
valor con el indicado por la desigualdad de Chebyshev.
52. La demanda diaria de cierto artculo es una variable aleatoria cuyos valores son 10, 20 o 30 con
probabilidades de 0,2; 0,5 y 0,3 respectivamente. El costo de cada artculo es 1,80 soles y el precio de venta es dos soles. Los artculos son perecederos de tal manera que si un artculo no se
vende en el da la prdida es total. Hallar el nmero de artculos que se deben ordenar para la
venta de tal manera que la ganancia esperada sea mxima.
53. Suponga que el ingreso familiar mensual en miles de unidades monetarias en una ciudad, es una
variable aleatoria X con funcin de densidad:

4kx
f ( x) =
k (5 x)

; 0 x 1
; 1< x 5

a. Determinar el valor de la constante k y calcular el porcentaje de familias con ingresos mensuales de entre 500 y 2000 unidades monetarias.
b. Cul es el ingreso familiar esperado?
Notas

Captulo 3. Variables aleatorias y distribuciones de probabilidad

120

54. La proporcin de su presupuesto anual que una compaa dedica al mantenimiento de sus mquinas es una variable aleatoria X con funcin de densidad:

f ( x) = c ( x + 1)

0 < x <1

a. Halle el valor de la constante c.

b. Encuentre la distribucin acumulada de la variable X.
c. Si la proporcin del presupuesto anual dedicado al mantenimiento de sus mquinas es de al
menos 0,20, qu probabilidad hay de que esta proporcin no supere el 0,80?
55. Un ingeniero propone que la proporcin de construcciones civiles sin licencias de construccin
puede ser modelada usando la siguiente funcin de densidad:

g ( y ) = cy 2 (1 y ) ; 0 y 1
Un segundo ingeniero propone usar otro modelo dado por:

f ( x) = d

; 0 x 1

a. Encuentre c y d.
b. Halle las distribuciones acumuladas en cada modelo y calcule la probabilidad que la proporcin indicada supere a 0,8.
c. Cul modelo presenta menor variabilidad?
56. La demanda semanal de gas propano, en miles de galones, de una distribuidora en particular es
una variable aleatoria X con funcin de densidad f(x) dada por:
1

f ( x) = 21 2 ; 1 x c
x

a. Determine c y la funcin de distribucin acumulada de X, F(x).

b. Calcule la media y el percentil 80 de la demanda semanal de gas propano.
c. Si hay 1500 galones en existencia al principio de la semana y no se recibe nuevo suministro
durante la semana, cuntos galones se espera que queden al finalizar la semana?
57. Sea X una variable aleatoria discreta que denota el nmero de averas que un operario resuelve
en una jornada de trabajo, con funcin de probabilidad dada por:
k
f ( x) =
; x = 0, 1, 2, 3.
x +1
a. Halle el valor de k y encuentre la funcin de distribucin acumulada de X.
b. Calcule la mediana de la variable X y el coeficiente de variacin de la variable Y = 3X+5.
58. Se ha observado que un termmetro sometido a condiciones meteorolgicas adversas da una
medicin de entre dos grados ms y dos menos de la temperatura real. El error cometido se
modela por una variable aleatoria continua con la siguiente funcin de densidad.
1
f ( x) = (2 x) , 2 < x < 2
8
a. Calcule la probabilidad de que el valor absoluto del error sea menor a un grado.
b. Calcule la probabilidad de que el termmetro d la temperatura exacta.
c. Calcule el error esperado y la desviacin estndar del error.
Notas

121

Estadstica EEGGCC

59. El nmero de solicitudes de crdito hipotecario recibidas semanalmente en una agencia bancaria se modela con una variable aleatoria X con funcin de probabilidad f(x) dada por:
c

x = 5; 6; 7; 8; 9
f ( x) = 2 x + 3
0,092
x = 10
Determine el valor de la constante c, la media, mediana y moda de X.

60. El tiempo de fraguado, en minutos, de un cierto tipo de concreto se puede modelar por una
variable aleatoria X con la siguiente funcin de distribucin acumulada:
F (x ) =

x 2

; 20 < x < 50 .
30 3
Calcule el coeficiente de variacin de la variable X.

61. La vida, en horas, de un tipo de transistores se representa por una variable aleatoria continua
con funcin de distribucin acumulada:
100
F ( x) = 1
, x 100.
x
Cul es la probabilidad de que en un aparato de radio que lleva cuatro de estos transistores, al
menos tres deban ser sustituidas durante las primeras 250 horas?
62. La variable aleatoria con distribucin de Pareto se usa en el campo de los seguros de autos para
modelar la cuanta del dao por siniestro. Para una variable aleatoria X con distribucin de Pareto se cumple que:

b
P( X > x) =
x

y su rango es [b, [. Calcule la media, mediana, moda y desviacin estndar de la variable aleatoria X si a > 2.

Notas