4 DE ABRIL DE 2017

VARIABLE ALEATORIA
TRABAJO TIPO ENSAYO

JOSE MATA C.I: V-18735071

UNIVERSIDAD FERMIN TORO
SAIAA
 Tanto en la vida cotidiana como en el campo cientfico estamos habituados a
observar fenmenos aleatorios cuyos resultados se expresan mediante nmeros;
por ejemplo el voltaje de salida en una fuente de alimentacin, el nmero de
personas en la cola del cine, la velocidad de conexin a la red, etc. Incluso en
problemas de naturaleza puramente cualitativa es muy frecuente recurrir a la
codificacin numrica; en situaciones tales como: el diagnostico de un paciente
sano o enfermo, preguntas del tipo estudias o trabajas?, etc., las respuestas
son usualmente codificadas con 0 y 1, aunque en realidad podra emplearse
cualquier pareja de smbolos con igual precisin.

Variable aleatoria, este proceso de cuantificacin nos lleva de manera natural a

considerar la siguiente definicin: Dado un espacio de probabilidad (, A,Pr), una
variable aleatoria es cualquier funcin, X,

que asocia a cada suceso elemental un nmero real, verificando que

En general emplearemos las siglas v.a. para referirnos a una variable aleatoria.
Para caracterizar la distribucin de probabilidad inducida por una v.a. X definiremos
una nueva funcin ms sencilla de manejar:
(Funcin de distribucin). Dada la v.a. X se denomina funcin de distribucin
asociada a X, a la funcin F : R R definida por:

Las propiedades ms importantes de las funciones de distribucin son:

Teorema Una funcin F: R R se dice que es de distribucin si y solo si verifica
las cuatro propiedades anteriores.
Variables discretas
Definicin (Variable discreta). Una variable aleatoria discreta es aquella que solo
puede tomar valores dentro de un conjunto finito o infinito numerable.
Definicin (Funcin de probabilidad). Sea X una v.a. discreta que toma los
valores xi con probabilidades pi = Pr(X = xi), con Pi pi = 1. Se denomina funcin de
probabilidad de la variable X a la funcin que asigna a cada xi su probabilidad pi.
En las variables aleatorias discretas la funcin de distribucin viene dada por la
siguiente
Expresin:

Esta funcin es escalonada, no decreciente, con saltos de discontinuidad en los

puntos xi. El valor del salto en xi coincide con la probabilidad, pi, de dicho valor.
Variables continuas
Definicin (Variable continua). Una variable aleatoria continua es aquella que
toma valores en uno o varios intervalos de la recta real.
En las v.a. continuas la funcin de distribucin no se puede calcular como la suma
de las probabilidades de ciertos puntos porque el conjunto de posibles valores de la
variable es no numerable. Para abordar esta nueva situacin necesitamos la nocin
de funcin de densidad.
Definicin (Funcin de densidad). Dada una v.a. contina X, su funcin de
densidad es la funcin real de variable real

De este modo, surge el concepto de funcin de densidad como la funcin limite

a la cual se aproxima el histograma. As, la probabilidad de un intervalo (a, b) ser a
el rea limitada por esta funcin de densidad, las rectas x = a, x = b y el eje de
abscisas. Aunque, de acuerdo con la anterior, la probabilidad de que la variable
aleatoria tome un valor concreto es igual a cero, tiene sentido analizar lo
densamente que est repartida la probabilidad en torno a ese valor.
De la definicin anterior, se deduce que la funcin de densidad verifica las siguientes
propiedades:

En general, cualquier funcin real que verifica las propiedades anteriores es la

funcin de densidad de alguna v.a. continua X.
La funcin de distribucin de una v.a. continua X se expresa a partir de la funcin
de densidad como:

Esta funcin es continua.

Por lo tanto, la funcin de densidad de una v.a. continua es la derivada de su funcin
de distribucin, f(x) = F 0(x).
Por otro lado, las v.a. continuas verifican las siguientes propiedades:
Independencia de v.a.
Frecuentemente, al realizar un experimento aleatorio interesa estudiar
conjuntamente varias caractersticas de la poblacin que se van a representar
mediante v.a. Si limitamos el estudio al caso de dos v.a.
Definicin. Se dice que dos v.a. X e Y son independientes si se verifica que

Caractersticas de una v.a.

Las medidas resumen definidas para v.e. pueden generalizarse al caso de variables
aleatorias, sin ms que equiparar las frecuencias relativas de variables estadsticas
con las probabilidades de las variables aleatorias. Entre los descriptores ms
habituales de las variables aleatorias se encuentran:
Definicin (Esperanza). Dada una v. a. X definida sobre (, A, Pr), se denomina
esperanza o valor medio de X a la siguiente expresin

La esperanza de una v.a. verifica las siguientes propiedades:

Definicin (Varianza). La varianza de una v.a. X viene dada por la expresin.

La varianza de una v.a. verifica las siguientes propiedades:

Si X e Y son independientes, Var(X + Y ) = Var(X Y ) = Var(X) + Var(Y ).

Para simplificar la interpretacin de las medidas de dispersin, se suele recurrir
a la desviacin tpica que viene dada en las mismas unidades que la variable
Definicin (Desviacin tpica). La desviacin tpica de una v.a. X viene dada por
la expresin.

De igual forma a como se ha hecho para las variables estadsticas se definen otras
caractersticas de una v.a.:
Moda es el valor que maximiza la funcin de probabilidad o la funcin de densidad,
segn se trate de una v.a. discreta o continua, respectivamente.
Mediana es la medida de centralizacin que divide la distribucin en dos partes de
igual probabilidad, por lo tanto verifica que Me = nf{x | F (x) 1/2}.
Cuantiles de orden p para 0 < p < 1, Qp = nf{x | F (x) p}.
Recorrido intercuartlico se define a partir de los cuartiles como RIC(X) = Q3
Q1.
Coeficiente de variacin medida de dispersin relativa con respecto a la media,
dada por

Desigualdad de Chebichev
Dada una v.a. X con media y desviacin tpica , la desigualdad de Chebichev
afirma que para cualquier constante positiva, k > 0 se cumple que

La desigualdad anterior tambin se puede expresar como

Este resultado destaca la bondad de la desviacin tpica como medida de dispersin

respecto a la media, proporcionando un lmite inferior para la probabilidad de que
una v.a. este comprendida en el intervalo [ k, + k].