REPBLICA BOLIVARIANA DE VENEZUELA

INSTITUTO UNIVERSITARIO POLITECNICO

SANTIAGO MARIO
MATURIN, ESTADO MONAGAS

Proyecto de Variable Aleatoria

Prof:
Jos Felix

Integrantes
IiSBY

C.I.: 26.157.234
C.I.: 26.157.233

Maturn, DICIEMBRE 2014

INTRODUCCIN
La Inferencia Estadstica es la parte de la estadstica matemtica que se
encarga del estudio de los mtodos para la obtencin del modelo de
probabilidad (forma funcional y parmetros que determinan la funcin de
distribucin) que sigue una variable aleatoria de una determinada
poblacin, a travs de una muestra (parte de la poblacin) obtenida de la
misma. De esta manera, se debe establecer una relacin cuantitativa y es
necesario disponer de cierta informacin muestral. Esta informacin
consiste de un conjunto de anlisis entre ellos la variacin de los datos, es
decir, la muestra de estudio, y calcular probabilidades de acuerdo con la
informacin con la que se cuenta. Este es el tema que se abordar en este
estudio, ya que existen diferentes mtodos para calcular la probabilidad de
ciertos eventos, de acuerdo con las caractersticas con las que se cuenta y
el tipo de variable de estudio que le corresponda, llmese continua o
discreta.

El presente estudio tiene como Objetivo, Conocer las variables

aleatorias y diferenciar distribuciones de probabilidad de variables
aleatorias, de la discreta y la continua, adems de aprender a calcular la
esperanza matemtica y la varianza, mediante el desarrollo de ejercicios
prcticos.

CONTEXTO DEL PROBLEMA

La teora de la probabilidad permite tomar decisiones, pues de

acuerdo con los clculos realizados se elaboran inferencias estadsticas y
con base en los resultados estadsticos obtenidos, se proyecta la
probabilidad de ocurrencia de un cierto evento.

Las variables en todos sus elementos han sido antecedidas por una
seleccin aleatoria o son resultados de algn proceso al azar.

Segn,

Murray R. Spiegel, (1992) "una variable es un smbolo, tal como X, Y, H,

que puede tomar un valor cualquiera de un conjunto determinado de ellos,
llamado dominio de la variable. Si la variable puede tomar solamente un
valor, se llama constante."
De acuerdo al Autor, cuando se observa cierta caracterstica que
toma valores distintos, se est frente a una variable. En la cual se define
como magnitudes susceptibles a medicin, entendida esta como la
comparacin entre un patrn y la variable propiamente tal, por ejemplo,
edad, temperatura, estado civil, sexo, entre otros.

Por lo tanto, si se observan las caractersticas de una persona, se

puede percibir que stas son variables, pero cuando se observa a ms
personas, resulta que cada una de ellas tiene caractersticas distintas.
Estas variables pueden ser aleatorias, lo cual significa que el valor
obtenido de la variable es resultado de un factor fortuito
La idea de variable aleatoria ha sido responsable de las mltiples
aplicaciones actuales del clculo de probabilidades, puesto que el clculo
de probabilidades pas de ocuparse del estudio de la probabilidad de
sucesos aislados al estudio de las distribuciones de probabilidad (y
posteriormente al de los procesos estocsticos). La variable aleatoria y su
distribucin, as como el estudio de las familias de distribuciones y sus
propiedades son una herramienta muy potente, porque permite trabajar
con el aparato del anlisis matemtico.
Bases Tericas
Evans y Rosenthal (2004) define a la variable aleatoria como una
funcin definida sobre el espacio muestral E que asigna valores del
conjunto R de todos los nmeros reales (p.53).

Es decir, Normalmente, los resultados posibles (espacio muestral E) de un

experimento aleatorio no son valores numricos. Por ejemplo, se define la
variable aleatoria

del siguiente modo:

La variable X no recibe el calificativo de aleatoria por el hecho de que

atribuya de modo imprevisible un valor cualquiera a un elemento

ya

que este valor est definido de forma precisa (determinstica). Lo que es

aleatorio en realidad, es que al hacer el experimento, no sabemos qu
elemento de E puede ocurrir.
El siguiente diagrama ilustra los trminos experimentos, resultado
evento y variable aleatoria. Primero para un experimento en el que una
moneda se lanza tres veces, existen ocho resultados posibles. En este
experimento nos interesa que caiga una cara en tres lanzamientos. La
variable aleatoria es el nmero de caras en trminos de probabilidad,
deseamos conocer la probabilidad del evento de que la variable aleatoria
sea igual a la cara. El resultado es p( una cara en tres lanzamientos )=
0,375.

Resultado posibles para tres lanzamientos de moneda.

CrCaCa
CrCrCr

CrCr
Ca
CrCa
Cr

CaCrCa
CaCaCr

CaCaCa

El evento (una cara) ocurre y la variable

aleatoria x= 1

Distribuciones discretas de probabilidad

En el modelo de variable aleatoria hay tres conceptos bsicos: su
distribucin, media y varianza. Mientras que la idea de media (esperanza
matemtica) es muy intuitiva, lo es menos la idea de distribucin,
especialmente cuando unos valores son ms probables que otros.
Media
La media es un valor comn que se utiliza para representar la
ubicacin central de una distribucin de probabilidad. Tambin es el valor
promedio prevaleciente de la variable

aleatoria, la media de una

distribucin de probabilidad tambin se describe como su valor esperado

es un promedio calculado en el que los valores posibles de la variable
aleatoria se miden a travs de las probabilidades correspondientes de
ocurrencia. La media de una distribucin de probabilidad discreta se
calcula a travs de la siguiente formula
MEDIA DE UNA DISTRIBUCION DE PROBABILIDAD

[ xP ( x ) ] [ 61 ]

=
Donde P(X) Es la probabilidad de un valor particular de x. En otras
palabras, Multiplicar cada valor de x por su probabilidad de ocurrencia y
luego sumar estos productos.
Varianza y desviacin Estndar.

La media es un valor comn que se usa para resumir una distribucin

de la probabilidad discreta. Sin embargo, esta no describe la cantidad de
dispersin (variacin) en una distribucin. La varianza si lo hace. La
frmula para la varianza de una distribucin de probabilidad es la
siguiente:

[ ( x ) 2 P ( x ) ][62]
2 =

Los pasos para calcularla son los siguientes:

( x ) 2 P ( x )

1 restar la media a cada valor y elevar el cuadrado esta diferencia

2 Multiplicar cada diferencia elevada al Cuadrado por su probabilidad
3 Sumar los productos resultantes para obtener la varianza
La desviacin estndar ,
positiva de

, se obtiene al extraer la raz cuadrada

a cuadrado ; es decir

= 2

EJEMPLO:
Isby Guacaran tiene una venta de electrodomsticos nuevos para ENERGY
C.A. Por lo general Isby vende al mayor el nmero de electrodomsticos la
primera semana del mes, Isby obtiene la distribucin de probabilidad
siguiente para el numero de electrodomsticos que espera vender el
prximo mes.
Numero

de

electrodomstico

Probabilidad
P(x)
Vendidos, x

1
2
3
4
5

0.1
0,2
0.3
0.3
0.1
=1.0

Total

Esta es una distribucin de probabilidad discreta para la variable aleatoria

llamada numero de electrodomsticos vendidos Observe que ISBY espera
vender solo un promedio determinado de electrodomsticos; no espera
vender 5 o 50 electrodomsticos. Adems, no puede vender la mitad de un
electrodomstico. Solo puede vender 0, 1,2,3, o 4 electrodomsticos.
As mismo, los resultados son sumamente excluyentes, no puede vender
un total de 3 o 4 electrodomstico la misma primera semana del mes.
La media del nmero de electrodomsticos vendidos se calcula al
medir el nmero de electrodomsticos vendidos con la probabilidad de
vender ese nmero y sumar o aadir productos, utilizando la frmula:

[ xP ( x ) ] [ 61 ]

=
= 0(0.10)+1(0.20)+3(0.30)+4(0.10)
=2.1

En estos clculos se resume en la tabla siguiente:

Nro de electrodomsticos
vendidos
x

Probabilidad
P(x)

x.P(x)

0.10

0.00
1

0.20

0.20
2

0.30

0.60
3

0.30

0.90
4

0.10

0.40

Total

=1.00

=2.10

Este valor indica que, durante muchos meses, Isby Guacaran espera
vender una media de 2.1 electrodomsticos todos los meses sin embargo,
el valor esperado puede utilizarse para para pronosticar la media
aritmtica del nmero de electrodomstico vendidos la por primera semana
de cada mes. Por ejemplo, si Isby trabaja 50 meses, en 4 aos y 2 meses
puede esperar vender 50x2.1 o 105 electrodomsticos solo la primera
semana de cada mes por lo tanto en ocasiones la media se llama valor
esperado.De nuevo una tabla es til para los clculos de la varianza, que
es 1.290.

Nro. de electrodomsticos
Vendidos
X

(x-

2 P(x)

Probabilidad
P(x)

(x-

(x-

1
2
3
4
5

10.
20
30
30
10

0-2.1
1-2.1
2-2.1
3-2.1
4-2.1

4.41
1.21
0.01
0.81
3.61

0.441
0.242
0.003
0.243
0.361

Tomando en cuenta que la desviacin estndar.

1.136

electrodomsticos

por

mes

cmo

= 2 =

podemos

=1.290

1.290 =

interpretar

una

desviacin estndar de 1.136 electrodomsticos si Mara Gonzales , Una

vendedora , tambin vendi una media de 2.1 electrodomsticos la primera
semana de cada mes y la desviacin en sus ventas fue de 1.91
electrodomsticos, podramos llegar a la conclusiones que existe mayor
dispersin en las ventas de la primera semana de la sra Mara Gonzales
que en las de la Sra. Isby Guacaran (ya que 1.91 > 1.136)
TIPOS DE VARIABLES
Variable aleatoria discreta.
Dada una v.a. discreta

, su funcin de probabilidad f, se

define de modo que f(xi) es la probabilidad de que X tome ese valor:

Si xi no es uno de los valores que puede tomar X, entonces f(xi)=0. La

representacin grfica de la funcin de probabilidad se realiza mediante
un diagrama de barras anlogo al de distribucin de frecuencias relativas
para variables discretas. Puede asumir valores fraccionales o decimales.
Estos valores se deben contar, es decir, debe haber distancia entre ellos,
Por ejemplo las calificaciones que otorgan los juguetes por las habilidades

tcnicas y las formas artsticas en el patinaje artstico son valores

decimales, como 7.2. 8.9. y 9.7. Dichos valores son discretos ya que existe
distancia entre las calificaciones 8.3 y 8.4 Por ejemplo, una calificacin no
puede ser 8.34 o 8.347

Por ejemplo, si retomamos el caso del lanzamiento de 3 monedas de forma

que cada una de ellas tenga probabilidad 1/2 de dar como resultado cara o
cruz, se tiene que (vase la figura):

Variable Aleatoria Continua

Por otro, lado si la variable aleatoria es continua, entonces la
distribucin es una distribucin de probabilidad continua, Si tomamos
una medida, como el ancho de una habitacin, la estatura de una persona,
o la presin

del caucho de un automvil

la variable es una variable

aleatoria continua. En este caso, lo que generaliza de modo natural el

concepto de suma (

) es el de integral ( ). Por otro lado, para variables

continuas no tiene inters hablar de la probabilidad de que

, ya

que esta debe de valer siempre 0, para que la suma infinita no

numerable de las probabilidades de todos los valores de la variable no sea

infinita.
La variable aleatoria continua X tiene como funcin de densidad:

Determinar:
1. Media
2. Varianza
3.

Solucin:

2.
origen

. El momento central de primer orden con respecto al

ya ha sido calculado antes. El momento central de segundo

orden con respecto al origen,

es:

Luego

3.Hay que calcular la probabilidad del intervalo de la Figura:

La esperanza matemtica y la varianza pueden ser calculadas a

partir de otras medidas. Lgicamente, si se organiza un conjunto de
valores posibles de una variable aleatoria discreta en una distribucin de
probabilidad, la distribucin que se obtiene es una distribucin de
probabilidad discreta.
Las herramientas utilizadas, as como las interpretaciones de
probabilidad, son diferentes para las variables aleatorias, continuas o para
las discretas.