You are on page 1of 5

UNIVERSIDAD FERMIN TORO

VICE RECTORADO ACADEMICO
FACULTAD DE INGENIERIA
ESCUELA DE TELECOMUNICACIONES

Ensayo
Variable
aleatoria

Nombre:
Ana Carrasco
Asignatura:
Estadística I
SAIA: C
Prof: Humberto Peña

Enero, 2015
Variable aleatoria

Tanto en la vida cotidiana como en el campo científico estamos
habituados a observar fenómenos aleatorios cuyos resultados se expresan
mediante números; por ejemplo el voltaje de salida en una fuente de
alimentación, el número de personas en la cola del cine, la velocidad de
conexión a la red, entre otras. Incluso en problemas de naturaleza puramente
cualitativa es muy frecuente recurrir a la codificación numérica; en situaciones
tales como: el diagnostico de un paciente “sano” o “enfermo”, preguntas del tipo
¿estudias o trabajas? y otras., las respuestas son usualmente codificadas con
0 y 1, aunque en realidad podría emplearse cualquier pareja de símbolos con
igual precisión. Se define variable aleatoria a una magnitud cuyo valor no
puede

predecirse con certeza antes que ocurra, por lo tanto su

comportamiento se

caracteriza mediante las leyes de probabilidades; para

describirla se emplea una función o distribución de probabilidades que define
los sucesos, y se denota con una letra mayúscula, por ejemplo la variable
aleatoria X y la función X(E) indica la magnitud de ocurrir del suceso E de la
variable X. Los valores posibles de una variable aleatoria pueden representar
los posibles resultados de un experimento aún no realizado, o los posibles
valores de una cantidad cuyo valor actualmente existente es incierto (p.e.,
como resultado de medición incompleta o imprecisa). Intuitivamente, una
variable aleatoria puede tomarse como una cantidad cuyo valor no es fijo pero
puede tomar diferentes valores; una distribución de probabilidad se usa para
describir la probabilidad de que se den los diferentes valores. Las variables
aleatorias suelen tomar valores reales, pero se pueden considerar valores
aleatorios como valores lógicos, funciones. El término elemento aleatorio se
utiliza para englobar todo ese tipo de conceptos relacionados. Un concepto
relacionado es el de proceso estocástico, un conjunto de variables aleatorias
ordenadas (habitualmente por orden o tiempo). Existen dos tipos de variables

aleatorias, la primera de es la variable aleatoria discreta que es se denomina
asi solo si su recorrido es un conjunto discreto también se tiene a la variable
aleatoria continua que es continua si su recorrido no es un conjunto numerable.
Intuitivamente esto significa que el conjunto de posibles valores de la variable
abarca todo un intervalo de números reales. Por ejemplo, la variable que
asigna la estatura a una persona extraída de una determinada población es
una variable continua ya que, teóricamente, todo valor entre, pongamos por
caso, 0 y 2,50 m, es posible. El valor esperado es una idea fundamental en el
estudio de las distribuciones de probabilidad. Para obtener el valor esperado de
una variable aleatoria discreta, se multiplica cada valor que la variable puede
tomar por la probabilidad de presentación de ese valor y luego se suman esos
productos. Es un promedio pesado de los resultados que se esperan en el
futuro. El valor esperado pesa cada resultado posible con respecto a la
frecuencia con que se espera se que presente. En consecuencia, las
presentaciones más comunes tienen asignadas un peso mayor que las menos
comunes. El valor esperado también puede ser obtenido a partir de
estimaciones subjetivas. En ese caso, el valor esperado no es más que la
representación de las convicciones personales acerca del resultado posible.
En muchas situaciones, encontraremos que es más conveniente, en términos
de los cálculos que se deben hacer, representar la distribución de probabilidad
de una variable aleatoria de una manera algebraica. Al hacer esto, podemos
llevar a cabo cálculos de probabilidad mediante la sustitución de valores
numéricos directamente en una fórmula algebraica. Por mi parte considero que
el estudio de variables aleatorias es importante puesto que la versatilidad que
como concepto tienen para ser una herramienta eficaz en cierto sentido para
modelar fenómenos (de muchos tipos) de los cuales se conoce de antemano
que no pueden ser predecibles, o bien, en el caso de la estadística para
describir el comportamiento de alguna característica de alguna población sin
tener que contar con ella en su totalidad. En todo proceso de observación o
experimento aleatorio podemos definir una variable aleatoria asignando a cada
resultado del experimento un numero: si el resultado del experimento es
numérico porque contamos o medimos, los posibles valores de la variable
coinciden con los resultados del experimento; o si el resultado del experimento

es cualitativo, hacemos corresponder a cada resultado un numero siguiendo
algún criterio.

En cuanto a una distribución de probabilidad para una variable aleatoria
discreta es un listado mutuamente excluyente de todos los resultados
numéricos posibles para esa variable aleatoria tal que una probabilidad
especifica de ocurrencia se asocia con cada resultado y el valor esperado de
una variable aleatoria discreta es un promedio ponderado de todos los
resultados posibles, donde las ponderaciones son las probabilidades asociadas
con cada uno de los resultados. La media de una distribución de probabilidad
es el valor esperado de su variable aleatoria, la varianza de una variable
aleatoria discreta se define como el promedio ponderado de los cuadros de las
diferencias entre cada resultado posible y su media. Esta medida se puede
obtener multiplicando el cuadrado de cada diferencia posible. por su
probabilidad correspondiente y luego sumando los productos obtenidos. Una
variable aleatoria continua es aquella que puede asumir el numero
infinitamente grande de valores correspondientes a los puntos sobre un
intervalo en una línea recta. (Son el resultado de un proceso de medir). Las
probabilidades asociadas con una variable aleatoria continua se dan como
áreas bajo la distribución de probabilidad f(y).No es posible asignar
probabilidades a los puntos muéstrales asociados con una variable aleatoria
continua, requiere un modelo poblacional completamente distinto. Cuando el
numero de observaciones se vuelve muy grande y los intervalos muy
pequeños, las frecuencias relativas se presentarían para todos los propósitos
como una curva sin saltos. Las frecuencias relativas asociadas con una clase
particular de la población, es la de fracción de observaciones de la población
que caen en este intervalo Y, también es la probabilidad de seleccionar una
observación de clase. Por ejemplo si el área total debajo de un histograma de
frecuencia relativa se ajustase de modo que sea igual a uno, entonces las
áreas bajo la curva de frecuencias correspondería a probabilidades.
Supongamos que la variable aleatoria Y pueda tomar valores sobre una línea
recta, distribuiremos una unidad de probabilidad a lo largo de la línea, de la
misma forma en que una persona podría distribuir un puñado de arena, donde

cada observación de la población correspondería a un grano de arena. La
probabilidad, granos de arena u observaciones se amontonaran en ciertos
lugares y el resultado será una distribución de probabilidad, el espesor o
densidad de probabilidad, que varían y se puede representar por una ecuación
matemáticamente llamada de probabilidad (o la de la función de densidad de
probabilidad) de la variable aleatoria y la función de densidad f(y). La función
de densidad f(y) se define de modo que el área total bajo la curva sea igual a
uno, por lo tanto, que el área sobre un intervalo dado sea igual a la probabilidad
de que Y caiga en aquel intervalo. Así, la probabilidad de que A < Y < B (A sea
menor que Y, sea menor que B) es igual que el área sombreada bajo la función
de densidad entre los puntos A y B.