INTRODUCCIN

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?...
El presente trabajo busca reconocer la importancia de los modelos de
probabilidad de las variables aleatorias, tanto discretas como continuas, pero
en especial nos centraremos en las variables discretas,para la modelacin
de situaciones asociadas con aleatoriedad en diversas reas del conocimiento,
haciendo nfasis en procesos de toma de decisin que implican condiciones de
riesgo e incertidumbre, teniendo en cuenta que las variables aleatorias permiten
matematizar o cuantificar situaciones de la vida real, mediante la asignacin de
un valor numrico a cada uno de los resultados que se pueden obtener en el
desarrollo de situaciones complejas.
La teora de la probabilidad es la principal herramienta de la que hace uso la
reciente ciencia de la estadstica, considerada tambin por aquellos que no le
asignan carcter cientfico, como la herramienta del mtodo cientfico; ciencia o
herramienta, da tras da, encuentra mayor aplicacin en la ejecucin de
procesos que apoyan el quehacer de la toma de decisiones operativa, de gestin
y estratgica. La incorporacin de la teora de la probabilidad en los distintos
escenarios acadmicos ha permitido obtener modelos que posibilitan un mejor
entendimiento de la situacin dentro de un experimento. Los escenarios
aleatorios estn asociados a diversas situaciones tan comunes como el
comportamiento del clima, el resultado de un juego de lotera, la cantidad de
artculos defectuosos dentro de un proceso de produccin y el comportamiento
de la bolsa de valores, entre otros.

Variables aleatorias
1.BREVE RESEA HISTRICA:
La variable aleatoria fue utilizada en los estudios de diferentes matemticos, sin
embargo, no siempre se conoci por este nombre, su utilizacin se haca
evidente a travs de las propiedades que la caracterizaban, como el valor
esperado y la varianza. Hyugens introduce la variable aleatoria conocida como
hipergeomtrica en su artculo De Ratiociniis in Ludo Aleae, publicado en 1714;
de igual forma, Bernoulli define una variable aleatoria que puede tomar valores
entre 1 y n, al abordar el problema de las urnas para determinar el nmero de
esferas que deban ser extradas a fin de alcanzar un xito; este experimento
motiv a Bernoulli a enunciar la ley de los grandes nmeros . Otros matemticos
como Gauss, Moivre y Laplace, pese a utilizarla en sus experimentos, no se
preocuparon por estudiar a fondo y definir el concepto de variable aleatoria
propia de los experimentos de naturaleza azarosa; es Poisson, en su libro
publicado en 1832, quien introduce el concepto de variable aleatoria a partir de
afirmar alguna cosa que uno puede entender como un conjunto x1, x2, , xn
con sus respectivas probabilidad p1, p2, , pn para hacer alusin una variable
aleatoria discreta. Es conveniente distinguir dos tipos de variables aleatorias,
discretas y continuas, conceptos que se precisan a continuacin.

2.DEFINICIN:
En temas anteriores, se han estudiado las variables estadsticas, que
representaban el conjunto de resultados observados al realizar un experimento
aleatorio, presentando para cada valor su frecuencia, esto es, el nmero de
veces que sucede cada resultado. Sin embargo, antes de realizar un
experimento aleatorio no se puede predecir con exactitud qu resultados se van
a observar, sino que, como mucho, se puede describir cuales van a ser los
resultados posibles y con qu probabilidad puede ocurrir cada uno de ellos. En
muchas ocasiones, nos interesa ms que el resultado completo del experimento,
una funcin real de los resultados. Tales funciones cuyos valores dependen de
2

los posibles resultados de un experimento aleatorio, se llaman variables

aleatorias. En todo proceso de observacin o experimento aleatorio podemos
definir una variable aleatoria asignando a cada resultado del experimento un
nmero:
si el resultado del experimento es numrico porque contamos o medimos, los
posibles valores de la variable coinciden con los resultados del experimento.
si el resultado del experimento es cualitativo, hacemos corresponder a cada
resultado un nmero siguiendo algn criterio.
Una variable aleatoria X es una funcin definida sobre el espacio muestral
(conjunto de los resultados de un experimento aleatorio) que toma valores en el
cuerpo de los nmeros reales IR, es decir

X:
IR
Una variable aleatoria puede ser discreta o continua segn sea el rango de esta
aplicacin.
Una variable aleatoria es discreta si toma un nmero de valores finito o infinito
numerable. Estas variables corresponden a experimentos en los que se cuenta
el nmero de veces que ha ocurrido un suceso.
Una variable aleatoria es continua cuando puede tomar cualquier valor de un
intervalo real de la forma (a, b),(a,),(, b),(, +) o uniones de ellos. Por
ejemplo, el peso de una persona, el tiempo de duracin de un suceso, etc.

Por ejemplo:

Supongamos que se lanzan dos monedas al aire. El espacio muestral, esto es,
el conjunto de resultados elementales posibles asociado al experimento, es
= {CC, CX, XC, XX}, donde (C representa "sale cara" y X, "sale cruz").
Podemos asignar entonces a cada suceso elemental del experimento el nmero
de caras obtenidas. De este modo se definira la variable aleatoria X como la
funcin: X :
Dada por:
CC

---> 2

CX, XC

----> 1

XX

----> 0

3. TIPOS DE VARIABLE ALEATORIA:

3.1 VARIABLE ALEATORIA DISCRETA:
Una variable aleatoria discreta es aquella que slo puede tomar valores dentro
de un conjunto nito o innito numerable.
El comportamiento aleatorio de una variable aleatoria discreta se analiza a
travs de una funcin de probabilidad.
3.2 VARIABLE ALEATORIA CONTINUA:
Una variable aleatoria 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 nmeros reales. Por ejemplo, la variable que asigna
la estatura a una persona extrada de una determinada poblacin es una
variable continua ya que, tericamente, todo valor entre, pongamos por caso, 0 y
2,50 m, es posible.

TIPOS DE VARIABLES
4

Toda distribucin de probabilidad es

generada por una variable aleatoria X,
la que puede ser de dos tipos:

Variable Aleatoria Discreta

(X):
Se denomina variable aleatoria
por que el valor tomado es
totalmente al azar y discreta por
que solo puede tomar valores

Variable Aleatoria Continua

(X):
Se denomina continua por que
puede tomar tanto valores
enteros como fraccionarios y
un nmero infinito de ellos.

4.MEDIDAS CARACTERSTICAS DE UNA V.A.

El estudio y comparacin de la distribucin de probabilidad de distintas
variables aleatorias es ms sencillo mediante el uso de constantes
(medidas caractersticas de la variable) que caracterizan la tendencia
central de las distribuciones (o valor central alrededor del cual se
encuentran repartidas de forma equilibrada las probabilidades), la
dispersin (mayor o menor densidad en torno al valor central), etc.
4.1 ESPERANZA:

medida caracterstica de tendencia central ms importante

tambin se denomina esperanza matemtica, media o valor
esperado de la variable aleatoria.
se denota como E[X] o X
representa el valor promedio o centro de gravedad de los valores
que toma la variable, ponderando estos mediante la
correspondiente probabilidad.

4.2 VARIANZA:
5

momento central de orden 2: 2 = E[(X X ) 2 ]

2
se denota por V(X) o X

representa la distancia cuadrtica promedio a la media

dispersin de una variable aleatoria en torno a su media
su raz cuadrada, , se denomina desviacin tpica
x
2
E[(X X ) 2 ] = E[ 2 X (el momento central de orden

2 es igual al momento ordinario de orden 2 menos el cuadrado

del momento ordinario de orden 1)
4.3 COEFICIENTE DE VARIACIN: (CVx)
X
X

expresa la magnitud de la dispersin de una variable aleatoria

con respecto a su valor esperado
permite comparar la dispersin relativa de dos distribuciones de
probabilidad.
especialmente til cuando la escala de medida de las variables
que queremos comparar difiere notablemente