Variables discretas

Una variable discreta es una variable que solo puede tomar valores dentro de un conjunto numerable, es decir, no acepta cualquier valor sino solo aquellos que pertenecen al conjunto. En estas variables se dan de modo inherente separaciones entre valores observables sucesivos. Dicho con ms rigor, se define una variable discreta como la variable que hay entre dos valores observables (potencialmente , hay por lo menos un valor no observable (potencialmente . !omo ejemplo, el n"mero de animales en una granja (#, $, %, &... .
Las variables discretas son aquellas cuyas observaciones se agrupan inherentemente o naturalmente en categoras, porque dichas variable por su naturaleza slo pueden tomar ciertos valores muy especficos. El g!nero" de un su#eto es un buen e#emplo de una variable discreta$ los seres humanos pueden ser mu#eres u hombres, se a#ustan a una u otra categora y no hay continuidad ni puntos intermedios entre ellas. Los pases o regiones del mundo tambi!n son buenos e#emplos de variables discretas. %tro e#emplo son las calificaciones o educacin de los maestros. &odemos crear las siguientes categoras para describir esta 'ltima variable$ (a) educacin primaria completa, (b) educacin secundaria completa, (c) educacin superior incompleta, (d) educacin superior completa y (e) educacin de postgrado.

Variables Aleatorias Bidimensionales Una distribuci'n bidimensional de probabilidad condicionada, significa la distribuci'n de probabilidad que se obtiene al fijar el valor de una de las dos variables en un valor concreto.
Una Variable Aleatoria Bidimensional, (X, Y , es una par de variables aleatorias, las cuales constituyen una funcin de S en R2. Segn X e Y sean continuas o discretas, la variable bidimensional, seria continua o discreta. Recordemos una tabla de frecuencias relativas en el caso de una variable bidimensional discreta X \ Y y . . . y! . . . yl "otales

#$#%&'()
Ejemplo 1: Las notas de 10 alumnos en Matemticas y en Lengua vienen dadas en la siguiente tabla: MATEMTICAS LE'()A ! " " " # # " # $ $ " $ % % $ & 10

Los *ares de valores +, - .-,!- .-,"-".-///0,%-$.-,&-10.1- 2orman la distribuci3n bidimensional

Variables continuas
*i Una variable

continua puede tomar un valor cualquiera dentro de un rango predeterminado. ( siempre entre dos valores observables va a e)istir un tercer valor intermedio que tambi*n podr+a tomar la variable continua. Una variable continua toma valores a lo largo de un continuo, esto es, en todo un intervalo de valores. Un atributo esencial de una variable continua es que, a diferencia de una variable discreta, nunca puede ser medida con e)actitud, el valor observado depende en gran medida de la precisi'n de los instrumentos de medici'n. !on una variable continua hay inevitablemente un error de medida. !omo ejemplo, la estatura de una persona ($.-$#m, $.-$.m, $.$-/m....

n embargo, e+iste otra clase de variables, conocidas como variables continuas, que no son tan f,ciles de categorizar como las variables discretas. - diferencia de las variables discretas, las variables continuas, como su nombre lo indica, slo se pueden agrupar en forma arbitraria en categoras, porque por su naturaleza pueden tomar cualquier valor a lo largo de un continuo (o de una escala num!rica continua). La estatura de los habitantes de un pas es un e#emplo de variable continua, as como el ingreso de las familias en dicho pas. .n buen e#emplo en el ,rea de la educacin son las calificaciones de pruebas", que slo se pueden agrupar arbitrariamente creando intervalos artificiales, como por e#emplo /012, 1/032, etc. 4ote que los intervalos tambi!n podran ser /0/2, //012, 1/052, etc, o cualquier otro intervalo que se prefiera, ya que la variable no se a#usta naturalmente a categoras predeterminadas como en el caso de las variables discretas. La distincin entre variables discretas y continuas es de gran aplicabilidad en la estadstica. &ero su importancia slo queda clara despu!s de comprender el concepto estadstico fundamental de distribucin o distribucin de frecuencias. (Los estadsticos por lo general usan la primera versin, la m,s corta, para referirse a la distribucin de frecuencias.)

Distribucin de frecuencia
En estad+stica, se le llama distribuci3n de 2recuencias a la agrupaci'n de datos en categor+as mutuamente e)cluyentes que indican el n"mero de observaciones en cada categor+a.$ Esto proporciona un valor a0adido a la agrupaci'n de datos. 1a distribuci'n de frecuencias presenta las observaciones clasificadas de modo que se pueda ver el n"mero e)istente en cada clase. Estas agrupaciones de datos suelen estar agrupadas en forma de tablas. Distribucin multinomial. En teor+a de probabilidad, la distribuci3n multinomial es una generali2aci'n de la distribuci'n binomial. En una distribuci'n multinomial, el anlogo a la distribuci'n de 3ernoulli es la distribuci'n categ'rica, donde cada suceso concluye en "nicamente un resultado de un n"mero finito 4 de los posibles, con probabilidades (tal que para i entre $ y 4 y , y con n sucesos independientes.

Caracter4sticas de la distribuci3n multinomial/

a b 5l llevar a cabo un e)perimento con esta distribuci'n se esperan ms de dos tipos de resultados. 1as probabilidades asociadas a cada uno de los resultados son constantes.

c d

!ada uno de los ensayos o repeticiones del e)perimento son independientes. El n"mero de repeticiones del e)perimento, n es constante.

La distribucin multinomial sigue el siguiente modelo:

Donde: X1 = x1: indica que el suceso X1 aparezca x1 veces n: indica el nmero de veces que se ha repetido el suceso n!: es factorial de n p1: es la probabilidad del suceso X1

E5em*lo: De acuerdo con la teor+a de la gen*tica, un cierto cruce de conejillo de indias resultar en una descendencia roja, negra y blanca en la relaci'n 6 7 / 7 /. Encuentre la probabilidad de que entre 6 descendientes, a . sean rojos, % negros y un blanco, b & sean rojos, & blancos y % sean negros. 8oluci'n7 a n96 )$ 9 . rojos, )% 9 % negros, )& 9 $ blanco,

p$9 prob. 8ean rojos 9 6:$; 9 #..# p% 9 prob. 8ean negros 9 /:$; 9 #.%. p& 9 prob. 8ean blancos 9 /:$; 9 #.%.
6! ( #..# ). ( #.%. )% ( #.%. )$ = #.#6%#&$ .!%!$!

p( x$ = ., x% = %, x& = $; n = 6 ) =

b n96 )$ 9 & rojos, )% 9 % negros, )& 9 & blancos,

p$ 9 #..# p% 9 #.%. p& 9 #.%.

p( x$ = &, x% = %, x& = &; n = 6 ) =

6! ( #..# )& ( #.%. )% ( #.%. )& = #.#;6&.< &!%!&!

E=E>?1@ ?AE8EBC5!D@B
8e sabe que las bombas de gasolina para autos e)istentes en el mercado se pueden clasificar en7 de rendimiento e)celente de rendimiento bueno de rendimiento regular de rendimiento malo 8e selecciona una muestra de . bombas mediante proceso aleatorio. !"al sera la y E . . .

probabilidad de que quede conformada por7