1.3 Estudio de las variables por su forma aleatoria.

Una variable aleatoria no es más que una transformación que te permite pasar de
estar trabajando en el campo del experimento, a abstraerlo y trabajar en el campo
o conjunto de números reales.
¿Qué es una variable aleatoria?
Es una cantidad numérica asociada al resultado de un experimento. El termino
variable aleatoria quiere, por lo tanto, decir cantidad incierta. El interés en estos
objetos radica en el hecho, que en la mayoría de los experimentos uno no esta
interesado en el resultado, pero si en una o varias cantidades numéricas
asociadas a este resultado.

Ejemplo:
Partamos que estamos trabajando con un experimento que consiste en lanzar una
moneda dos veces. Los posibles resultados del experimento son:
(c,c) (c,+) (+,c) (+,+),
y por tanto el espacio muestral asociado vendrá dado por
W={(c,c),(c,+),(+,c),(+,+)}
Hasta ahora estamos trabajando con los resultados del experimento. Si ahora
definimos una variable como "n de caras que salen al lanzar una moneda al aire
dos veces", que denotaremos por X, podrán salir 0 caras, 1 cara ó 2 caras. Es una
variable por que puede tomar distintos valores y será aleatoria ya que los valores
que toma los toma en función del azar.

Obsérvese que en este momento podemos establecer una relación entre los
posibles resultados del experimento, los cuales definen W, y el conjunto de valores
que puede tomar la variable X. De esta manera establecemos la siguiente
relación:
Resultado (c,c) de W implica que X=2
Resultado (c,+) de W implica que X=1
Resultado (+,c) de W implica que X=1
Resultado (c,+) de W implica que X=1
Resultado (+,+) de W implica que X=0

Es decir, que de estar trabajando en el espacio de los resultados del experimento

ahora estamos trabajando con los resultados {0,1,2}. A la función que te permite
pasar de los resultados del experimento al conjunto {0,1,2} se le denomina
Variable aleatoria. Es una variable aleatoria porque puede salir {0,1,2}
aleatoriamente dependiendo del resultado del experimento.
Clasificación:
Las variables aleatorias se pueden clasificar en:
A) Variable aleatoria discreta: Se dice que X es una variable aleatoria discreta
cuando el conjunto de todos los valores que puede tomar la variable es finito o
infinito numerable. Por ejemplo, X= "n de caras al lanzar una moneda al aire", solo
puede tomar valores los valores {0,1}, por tanto, X es una variable aleatoria
discreta.
B) Variable aleatoria continua: se dice que X es una variable aleatoria continua
cuando el conjunto de todos los valores que puede tomar la variable es infinito.
Por ejemplo, X= "peso de los alumnos de 2 de empresariales".
Caracterización de una variable aleatoria.
Cuando se caracterizaron las variables estadísticas se definieron la función de
distribución y la función de cuantía para las variables estadísticas discretas y la
función de distribución y la función de densidad para las variables estadísticas
continuas. Para la caracterización de las variables aleatorias la estructura de
trabajo es la misma. La diferencia que nos encontraremos será básicamente dos:
en primer lugar, en vez de trabajar con frecuencias absolutas o relativas,
trabajaremos con las probabilidades; y, en segundo lugar, para el tratamiento de
las variables aleatorias continuas, dejaremos de utilizar las marcas de clase y
operaremos con las integrales. (Lladser, 2009)

1.3.1 Estudio del caso univariado aplicado a negocios de innovación

tecnológica. Las funciones de densidad. El valor esperado y varianza, las
distribuciones Bernoulli, la distribución normal y las derivadas de la
distribución normal.

Caso univariado: se describen las características de una variable por vez.

También se le conoce como Estadística descriptiva

La función de densidad de una variable aleatoria X permite trasladar la medida

de probabilidad o "suerte" de realización de los sucesos de una experiencia
aleatoria a la característica numérica que define la variable aleatoria.
Designando por f a la función de densidad X, distinguiremos el caso discreto,
donde los posibles valores de X forman un conjunto discreto (finito o numerable),
del continuo, donde el recorrido de la variable aleatoria es un intervalo de la recta
real:
Si X es discreta su función de densidad se define por
F(x)=p(X=x), cualquiera que sea el valor x
En el caso de que X sea continua su función de densidad debe permitir expresar
F, la función de distribución de probabilidad de X , en forma integral:

La función de densidad de probabilidad es una teoría para definir cómo se

distribuye una variable numérica en una población. Es una teoría o una
función matemática que viene a ser lo mismo.

El valor que se espera obtener de un experimento estadístico se llama el valor

esperado. También llamado "esperanza matemática". También lo llamamos
"media".

Ejemplo:
Si tiramos una moneda 10 veces, esperamos que salga 5 veces "cara" y 5 veces
"cruz". Esperamos obtener este valor porque la probabilidad de que salga "cara"
es 0,5, y si lanzamos la moneda 10 veces, obtenemos 5. Por lo tanto, 5 es la
media. Para formalizar este particular ejemplo de la media, si p es la probabilidad
y n el número de eventos, la media es a = np. Esta es la forma de la media cuando
se puede expresar la probabilidad por medio de la distribución binomial.
Para formalizar el concepto un poco más, en un experimento con resultados
discretos xi para los cuales la probabilidad es P(xi), la media estará dada por

Varianza
Está considerada (junto con la desviación típica) el mejor indicador de la
variabilidad global de la distribución mide la dispersión de los datos respecto a la
media aritmética, de hecho, nos suministra el valor medio del cuadrado de las
desviaciones de los valores respecto de la media:
Modelo Bernoulli

Supongamos que hacemos un experimento simple de lanzar una moneda sesgada

con p = P(cruz) una vez.
Definimos una variable X como
X = 1 si sale cruz ,0 si sale cara
es decir que X = el número de cruces.
En este caso, se dice que X tiene una distribución de Bernoulli con parámetro p.
Una variable con solo dos posibles resultados (cruz / cara, ´éxito / fracaso, . . .)
donde se da un valor de 1 en caso de cruz (´éxito) y 0 en caso de cara (fracaso)
tiene una distribución de Bernoulli. El experimento se llama un ensayo de
Bernoulli.

Distribución normal.
La distribución de probabilidad conocida como distribución normal es, por la
cantidad de fenómenos que explica, la más importante de las distribuciones
estadísticas. A la distribución normal también se la denomina con el nombre de
campana de Gauss, pues al representar su función de probabilidad, ésta tiene
forma de campana.
La Normal es la distribución de probabilidad más importante. Multitud de variables
aleatorias continuas siguen una distribución normal o aproximadamente normal.
Una de sus características más importantes es que casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede aproximar por una normal
bajo ciertas condiciones.
La distribución de probabilidad normal y la curva normal que la representa, tienen
las siguientes características:
 La curva normal tiene forma de campana y un solo pico en el centro de la
distribución. De esta manera, la media aritmética, la mediana y la moda de
la distribución son iguales y se localizan en el pico. Así, la mitad del área
 bajo la curva se encuentra a la derecha de este punto central y la otra mitad
está a la izquierda de dicho punto.
 La distribución de probabilidad normal es simétrica alrededor de su media.
 La curva normal desciende suavemente en ambas direcciones a partir del
valor central. Es asintótica, lo que quiere decir que la curva se acerca cada
vez más al eje X pero jamás llega a tocarlo. Es decir, las “colas” de la curva
se extienden de manera indefinida en ambas direcciones.

Para indicar que una variable aleatoria (v.a.) sigue una distribución normal de
media µ y desviación estándar σ usaremos la expresión: X ∼ N(µ,σ).

Bibliografía
Cosculluela Mas, A., Turbany i Oset, J., & Fornieles i Deu, A. (2002). estadistica descriptiva.
barcelona, españa: UOC Papers.
Lladser, M. (2009). Variables aleatorias y simulación estocástica. Colorado: Editorial ebooks
Patagonia - J.C. Sáez .