Los fenmenos de la naturaleza presentan dispersin en los resultados y la teora
de las probabilidades es la rama de las matemticas que contempla esta tendencia porque trata la incertidumbre en los resultados considerando las variables como aleatorias, as los modelos son probabilsticos porque consideran el error que existe al realizar la estimacin de un parmetro con un valor numrico de esta posibilidad o probabilidad. Como resultado de la teora nunca podr predecirse completamente el comportamiento de un modelo, ms bien se considera la posibilidad de ocurrir. Por lo general en la teora de probabilidades slo se toman en cuenta ciertos aspectos particulares de los resultados de algn experimento. Por ejemplo, cuando se estudia la produccin de bombillos en gran escala, puede interesar su durabilidad, pero no su precio; al examinar la produccin en una empresa puede importar slo el nmero de artculos defectuosos. Estos nmeros estn asociados con elementos al azar, es decir, con variables aleatorias. Al estudiar estas variables, tambin es indispensable establecer las distribuciones de probabilidad Se llama variable aleatoria a una magnitud cuyo valor no puede predecirse con certeza antes de que ocurra, por lo tanto su comportamiento se caracteriza mediante las leyes de probabilidades; para describirla se emplea una funcin o distribucin de probabilidades que define los sucesos. Se denota con una letra mayscula, por ejemplo la variable aleatoria X y la funcin X (E) indica la magnitud de ocurrir del suceso E de la variable X. Un clsico ejemplo de variable aleatoria es el resultado de los ensayos en cilindros de concreto provenientes de una construccin, ya que para las mismas condiciones de produccin, los resultados son diferentes y al analizar la dispersin en los ensayos se encuentra que siguen un patrn indicado por las leyes de probabilidades, por lo que se puede caracterizar por una funcin de probabilidades. Las variables aleatorias pueden ser discretas o continuas: Discretas: el conjunto de posibles valores es numerable. Suelen estar asociadas a experimentos en que se mide el nmero de veces que sucede algo.
Continuas: el conjunto de posibles valores es no numerable. Puede tomar todos
los valores de un intervalo. Son el resultado de medir. (Funcin de distribucin). Dada la v.a. X se denomina funcin de distribucin asociada a X, a la funcin F: R R definida por: F (t) = Pr [X t] = Pr(X (, t]) t R. Las propiedades ms importantes de las funciones de distribucin son: 1. F () = lm t Pr [X t] = 0. 2. F () = lmt Pr [X t] = 1. 3. La funcin es continua por la derecha, es decir, lm h0+ F (t + h) = F (t). 4. F es no decreciente, es decir, si t1 < t2 entonces F (t1) F (t2). Teorema 4.1. Una funcin F: R R se dice que es de distribucin si y slo si verifica las cuatro propiedades anteriores. (Funcin de probabilidad). Sea X una v.a. discreta que toma los valores xi con probabilidades pi = Pr(X = xi), con P i 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: F (t) = Pr [X t] = X xit Pr (xi). 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. 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: (Esperanza). Dada una v. a. X definida sobre (, A, Pr), se denomina esperanza o valor medio de X a la siguiente expresin = E(X) La esperanza de una v.a. verifica las siguientes propiedades : (Varianza). La varianza de una v.a. X viene dada por la expresin 2 = Var(X) = E (X ) 2 (Desviacin tpica). La desviacin tpica de una v.a. X viene dada por la expresin = +p Var(X). 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}. Cantiles 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 CV (X) = si > 0. En conclusin podemos ver que el presente tema lo vivimos en nuestra vida cotidiana (real), por ejemplo; Cuando te levantas en la maana y esperas el bus que te lleva al colegio, seguramente piensas: Cunto tiempo se demorar en pasar? Esta cantidad de tiempo depende de un evento aleatorio y, cuando es as, se dice que la variable es aleatoria. 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.,