UNIVERSIDAD PRIVADA ANTENOR ORREGO

CAMPUS PIURA
ESCUELA:
ASIGNATURA:
DOCENTE:
TEMA:

ADMINISTRACIN
ESTADISTICA APLICADA A LOS NEGOCIOS
SEGUNDO ABRAHAM CASTILLO ASMAT
VARIABLE ALEATORIA: DISCRETA Y CONTINUA

INTEGRANTES:
CARRASCO SEMINARIO, ANAHI
MORE VILELA ASTRID
RAMIREZ MONTERO, ANA CLAUDIA
NAVARRO TASSARA, LIAM

Introduccin
Una variable aleatoria es un valor numrico que corresponde al resultado de un
experimento aleatorio, como el nmero de caras que se obtienen al lanzar 4 veces
una moneda, el nmero de lanzamientos de un dado hasta que aparece el seis, el
nmero de llamadas que se reciben en un telfono en una hora, el tiempo de
espera a que llegue un autobs.
Las variables aleatorias, como las estadsticas, pueden ser discretas o continuas.
Las variables aleatorias permiten definir la probabilidad como una funcin
numrica (de variable real) en lugar de como una funcin de un conjunto dado.
Se dice que una variable aleatoria sigue una distribucin uniforme si la funcin de
densidad es constante en el intervalo en el que se encuentran todos los valores de
la variable. La funcin de densidad o ley de probabilidad viene dada por:
Las distribuciones de probabilidad estn relacionadas con las distribuciones de
frecuencias. Una distribucin de frecuencias terica es una distribucin de
probabilidades que describe la forma en que se espera que varen los resultados.
Debido a que estas distribuciones tratan sobre expectativas de que algo suceda,
resultan ser modelos tiles para hacer inferencias y para tomar decisiones en
condiciones de incertidumbre.
Una distribucin de frecuencias es un listado de las frecuencias observadas de
todos los resultados de un experimento que se presentaron realmente cuando se
efectu el experimento, mientras que una distribucin de probabilidad es un listado
de las probabilidades de todos los posibles resultados que podran obtenerse si el
experimento se lleva a cabo.
Las distribuciones de probabilidad pueden basarse en consideraciones tericas o
en una estimacin subjetiva de la posibilidad. Se pueden basar tambin en la
experiencia.

Variable Aleatoria

Se denomina variable aleatoria, a una variable X que puede tomar un conjunto de

valores {x0, x1, x2, ... xn-1}, con probabilidades {p0, p1, p2, ... pn-1}.
Por ejemplo,

En la experiencia de lanzar monedas, los posibles resultados son {cara,

cruz}, y sus probabilidades son {1/2, 1/2}.
En la experiencia de lanzar dados, los resultados posibles son {1, 2, 3, 4, 5,
6} y sus probabilidades respectivas son {1/6, 1/6, 1/6, 1/6, 1/6, 1/6}.
Realicemos ahora la experiencia de hacer girar una ruleta y apuntar el
nmero del sector que coincide con la flecha. En la ruleta de la izquierda de
la figura los resultados posibles son {0, 1, 2, 3, 4, 5, 6, 7}, y la probabilidad
de cada resultado es 1/8. En la ruleta de la derecha de la figura los posibles
resultados son {0, 1, 2, 3}, y las probabilidades respectivas {1/4, 1/2, 1/8,
1/8}, proporcionales al ngulo del sector.

En los tres primeros ejemplos, la variable aleatoria X se dice que est

uniformemente distribuida, ya que todos los resultados tienen la misma
probabilidad. Sin embargo, en el ltimo ejemplo, la variable aleatoria X, no est
uniformemente distribuida.
El problema crucial de la aplicacin de los mtodos de Montecarlo es hallar los
valores de una variable aleatoria (discreta o continua) con una distribucin de
probabilidad dada por la funcin p(x) a partir de los valores de una variable
aleatoria uniformemente distribuida en el intervalo [0, 1), proporcionada por el
ordenador o por una rutina incorporada al programa.
Para simular un proceso fsico, o hallar la solucin de un problema matemtico es
necesario usar gran cantidad de nmeros aleatorios. El mtodo mecnico de la
ruleta sera muy lento, adems cualquier aparato fsico real genera variables
aleatorias cuyas distribuciones difieren, al menos ligeramente de la distribucin
uniforme ideal. Tambin, se puede hacer uso de tablas de cifras aleatorias
uniformemente distribuidas, comprobadas minuciosamente en base a pruebas
estadsticas especiales. Se emplean solamente cuando los clculos
correspondientes a la aplicacin del mtodo de Montecarlo se realiza a mano, lo
que en estos tiempos resulta inimaginable. En la prctica, resulta ms conveniente
emplear los denominados nmeros pseudoaleatorios, se trata de nmeros que se
obtienen a partir de un nmero denominado semilla, y la aplicacin reiterada de

una frmula, obtenindose una secuencia {x0, x1, x2, ... xn} de nmeros que
imitan los valores de una variable uniformemente distribuida en el intervalo [0, 1).
Se dice que una funcin es una variable aleatoria si la "suerte" de realizacin de
sus posibles valores puede establecerse con ayuda de los resultados de la
experiencia aleatoria en estudio, cuyo espacio muestral es . Se trata, en
definitiva, de una funcin que asigna un valor numrico a cada uno de los
resultados de una experiencia aleatoria.
En estadstica y teora de probabilidad una variable aleatoria se define como el
resultado numrico de un experimento aleatorio. Matemtico es un mapa que da
un valor numrico a cada suceso en el espacio de los resultados posibles del
experimento.
Se distinguen entre: variables aleatorias discretas y variables aleatorias continuas.
Variable aleatoria discreta (x). Porque solo puede tomar valores enteros y un
nmero finito de ellos. Por ejemplo:
x Variable que define el nmero de alumnos aprobados en la materia de
probabilidad en un grupo de 40 alumnos (1, 2 ,3 los 40).
PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)
0p Las probabilidades asociadas a cada uno de los valores que toma x deben
ser mayores o iguales a cero y menores o iguales a 1.
Sp(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los
valores que toma x debe ser igual a 1.
Ejemplo para variable aleatoria discreta
Se tiene una moneda que al lanzarla puede dar slo dos resultados: o cara (50%),
o cruz (50%).

La siguiente tabla muestra los posibles resultados de lanzar dos veces una
moneda:
PRIMER LANZAMIENTO
CARA
CARA
CRUZ
CRUZ
Al realizar la tabla de distribucin del nmero posible de caras que resulta de
lanzar una moneda dos veces, se obtiene:
NMERO DE CARAS
0
1
2
NOTA: Esta tabla no representa el resultado real de lanzar una moneda dos veces
sino la del resultado terico es decir representa la forma en que se espera se
comporte el experimento de lanzar dos veces una moneda.

Variable aleatoria continua (x). Porque puede tomar tanto valores enteros como
fraccionarios y un nmero infinito de ellos dentro de un mismo intervalo.

Por ejemplo:
x Variable que define la concentracin en gramos de plata de algunas
muestras de mineral (14.8 gr., 12.1, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8, , )
PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)

p(x)0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero. Dicho de otra forma,
la funcin de densidad de probabilidad deber tomar solo valores mayores o
iguales a cero.

El rea definida bajo la funcin de densidad de probabilidad deber ser de

1.

DISTRIBUCIONES DE PROBABILIDAD DE LAS VARIABLES ALEATORIAS

(LAS MAS UTILIZADAS)

Distribucin Binomial

Distribucin de Poisson

Distribucin Normal

DISTRIBUCIN BINOMIAL
La distribucin Binomial es un caso particular de probabilidad de variable aleatoria
discreta, y por sus aplicaciones, es posiblemente la ms importante.
Esta distribucin corresponde a la realizacin de un experimento aleatorio que
cumple con las siguientes condiciones:
* Al realizar el experimento slo son posible dos resultados: el suceso A,
llamado xito, o su contrario A, llamado fracaso.
* Al repetir el experimento, el resultado obtenido es independiente de los
resultados obtenidos anteriormente.
* La probabilidad del suceso A es constante, es decir, no vara de una prueba del
experimento a otra. Si llamamos p a la probabilidad de A, p(A) = P, entonces
p(A) = 1 p = q
* En cada experimento se realizan n pruebas idnticas.
Todo experimento que tenga estas caractersticas se dice que sigue el modelo de
la distribucin Binomial o distribucin de Bernoulli.
DISTRIBUCIN DE POISSON
La distribucin de POISSON es tambin un caso particular de probabilidad de
variable aleatoria discreta, el cual debe su nombre a Simon Denis Poisson (17811840), un francs que la desarroll a partir de los estudios que realiz durante la
ltima etapa de su vida.
Esta distribucin se utiliza para describir ciertos procesos.
Caractersticas:

En este tipo de experimentos los xitos buscados son expresados por unidad de
rea, tiempo, pieza, etc:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
- # de bacterias por c m2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.

DISTRIBUCIN NORMAL
La distribucin normal es tambin un caso particular de probabilidad de variable
aleatoria contnua, fue reconocida por primera vez por el francs Abraham de
Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elabor
desarrollos ms profundos y formul la ecuacin de la curva; de ah que tambin
se le conozca, ms comnmente, como la "campana de Gauss". La distribucin
de una variable normal est completamente determinada por dos parmetros, su
media () y su desviacin estndar ().