Clasificación de las variables aleatorias

Para su estudio, las variables aleatorias se clasifican en:

 Variables aleatorias discretas

Diremos que una variable aleatoria es discreta si su recorrido es finito o infinito

numerable.

Generalmente, este tipo de variables van asociadas a experimentos en los cuales

se cuenta el número de veces que se ha presentado un suceso o donde el resultado
es una puntuación concreta.

Los puntos del recorrido se corresponden con saltos en la gráfica de la función de

distribución, que correspondería al segundo tipo de gráfica visto anteriormente.

 Variables aleatorias continuas

Son aquellas en las que la función de distribución es una función continua. Se

corresponde con el primer tipo de gráfica visto.

Generalmente, se corresponden con variables asociadas a experimentos en los

cuales la variable medida puede tomar cualquier valor en un intervalo;
mediciones biométricas, por ejemplo.

Un caso particular dentro de las variables aleatorias continuas y al cual

pertenecen todos los ejemplos usualmente utilizados, son las
denominadas variables aleatorias absolutamente continuas.

 Variables aleatorias absolutamente continuas

Diremos que una variable aleatoria X continua tiene una distribución

absolutamente continua si existe una función real f, positiva e integrable en el
conjunto de números reales, tal que la función de distribución F de X se puede
expresar como
Una variable aleatoria con distribución absolutamente continua, por extensión, se
la clasifica como variable aleatoria absolutamente continua.

A la función f se la denomina función de densidad de probabilidad de la

variable X.

Hay que hacer notar que no toda variable continua es absolutamente continua,
pero los ejemplos son complicados, algunos utilizan para su construcción el
conjunto de Cantor, y quedan fuera del nivel y del objetivo de este curso.

Igualmente indicaremos que los tipos de variables comentados anteriormente

forman únicamente una parte de todos los posibles tipos de variables, sin
embargo contienen prácticamente todas las variables aleatorias que encontramos
usualmente.

Tal como se estudiará más adelante, existen algunas familias de funciones de

distribución, tanto dentro del grupo de las discretas como de las continuas, que
por su importancia reciben un nombre propio y se estudiarán en los capítulos
siguientes.
Una variable aleatoria es una función que asigna un valor, usualmente numérico, al resultado
de un experimento aleatorio. Por ejemplo, los posibles resultados de tirar un dado dos veces:
(1, 1), (1, 2), etc. o un número real (p.e., la temperatura máxima medida a lo largo del día en
una ciudad concreta).
Los valores posibles de una variable aleatoria pueden representar los posibles resultados de
un experimento aún no realizado, o los posibles valores de una cantidad cuyo valor
actualmente existente es incierto (p.e., como resultado de medición incompleta o imprecisa).
Intuitivamente, una variable aleatoria puede tomarse como una cantidad cuyo valor no es fijo
pero puede tomar diferentes valores; una distribución de probabilidad se usa para describir la
probabilidad de que se den los diferentes valores. En términos formales una variable aleatoria
es una función definida sobre un espacio de probabilidad.
Las variables aleatorias suelen tomar valores reales, pero se pueden considerar valores
aleatorios como valores lógicos, funciones o cualquier tipo de elementos (de un espacio
medible). El término elemento aleatorio se utiliza para englobar todo ese tipo de conceptos
relacionados. Un concepto relacionado es el de proceso estocástico, un conjunto de variables
aleatorias ordenadas (habitualmente por orden o tiempo).

Concepto intuitivo[editar]
Una variable aleatoria puede concebirse como un valor numérico que está afectado por el
azar. Dada una variable aleatoria no es posible conocer con certeza el valor que tomará está
al ser medida o determinada, aunque sí se conoce que existe una distribución de
probabilidad asociada al conjunto de valores posibles. Por ejemplo, en una epidemia de
cólera, se sabe que una persona cualquiera puede enfermar o no (suceso), pero no se sabe
cuál de los dos sucesos va a ocurrir. Solamente se puede decir que existe una probabilidad de
que la persona enferme.
Para trabajar de manera sólida con variables aleatorias en general es necesario considerar un
gran número de experimentos aleatorios, para su tratamiento estadístico, cuantificar los
resultados de modo que se asigne un número real a cada uno de los resultados posibles del
experimento. De este modo se establece una relación funcional entre elementos del espacio
muestral asociado al experimento y números reales.

Definición formal[editar]
Una variable aleatoria (v.a.) X es una función real definida en el espacio de

probabilidad, , asociado a un experimento aleatorio.1 2

La definición formal anterior involucra conceptos matemáticos sofisticados procedentes de

la teoría de la medida, concretamente la noción σ-álgebra o la de medida de

probabilidad.3 4 Dado un espacio de probabilidad y un espacio medible ,

una aplicación es una variable aleatoria si es una aplicación -medible. En el uso

ordinario, los puntos de no son directamente observables, sólo el valor de la variable en

el punto por lo que el elemento probabilístico reside en el desconocimiento que se tiene

del punto concreto .

En la mayoría de usos práctios se tiene que el espacio medible de llegada es , quedando

pues la definición de esta manera:

Dado un espacio de probabilidad una variable aleatoria real es

cualquier función -medible donde es la σ-álgebra boreliana.

Ejemplo 2: En el ejemplo de la mujer portadora de hemofilia.

= {sss, ssn, sns, snn, nss, nsn, nns, nnn}

Se podría definir una variable que asignara a cada punto muestral el número de orden
en el espacio muestral.

X: sss 1; ssn 2; sns 3;...

Pero otra posible v.a.: a cada punto muestral el número de s. X: sss 3; ssn 2; ...
Los conjuntos pueden ser:

discretos: número finito o infinito numerable de elementos.

continuos: número infinito no numerable de elementos.

Las v.a. definidas sobre espacios muestrales discretos se llaman v.a. discretas y las
definidas sobre espacios muestrales continuos se llaman continuas.

Una v.a. puede ser continua, aunque nosotros sólo podamos acceder a un subconjunto
finito de valores. P.e. la presión arterial es una v.a. continua pero sólo podemos
acceder a un conjunto finito de valores por la limitación de los aparatos de medida.

En general, las medidas dan lugar a v.a. continuas y los conteos a v.a. discretas.

Inducción de la probabilidad a variables aleatorias

Las v.a permiten definir la probabilidad como una función numérica (de variable real)
en lugar de como una función de conjunto como se había definido antes

Ejemplo 3: Tiramos una moneda 3 veces. Representamos cara por c y cruz por z.

 = {ccc, ccz, czc, zcc, czz, zcz, zzc, zzz}

La probabilidad de cada suceso elemental es 1/8. Por ejemplo p(ccc)=1/8, ya que la

probabilidad de sacar cara en una tirada es 1/2 según la definición clásica y las tiradas
son independientes.

Definimos la v.a. X: número de caras, que puede tomar los valores {0, 1, 2, 3}. Se
buscan todos los puntos muestrales que dan lugar a cada valor de la variable y a ese
valor se le asigna la probabilidad del suceso correspondiente.

x Sucesos px

0 {zzz} 1/8

1 {czz, zcz, zzc} 3/8

2 {ccz, czc, zcc} 3/8

3 {ccc} 1/8

A esta función se le denomina función densidad de probabilidad (fdp), que

desgraciadamente "funciona" de distinta manera en las variables discreta que en las
continuas. En el caso de las variables discretas, como en el ejemplo, es una función
que para cada valor de la variable da su probabilidad.
Ejemplo 4: Supongamos la variable tipo histológico de un tumor, con los valores 1, 2,
3, 4. Si la fdp fuera

x f(x)

1 0,22

2 0,27

3 0,30

4 0,21

significaría que la probabilidad del tipo 2 es 0,27, etc.

Para variables continuas la probabilidad de que una variable tome cualquier valor
concreto es 0, por lo tanto la fdp sólo permite calcular la probabilidad para un intervalo
del tipo (a<X<b), mediante el área bajo la curva de la fdp.

Para las variables aleatorias de interés hay tablas, y programas de ordenador, donde
buscar esos valores.

Distribución acumulativa o función de distribución

F(x) = p(X x)

Para el ejemplo 3

x f(x) F(x)

0 1/8 1/8
 1 3/8 4/8

2 3/8 7/8

3 1/8 8/8

y para el ejemplo 4

x f(x) F(x)

1 0,22 0,22

2 0,27 0,49

3 0,30 0,79

4 0,21 1

Parámetros característicos de una fdp

Valor esperado o esperanza matemática o media

si X es una v.a. cualquier función de ella, h(x), es también una v.a., en consecuencia
también se define este parámetro para una función de v.a.

Ejemplo 5: Se tira un dado. Se define como v.a. el número que sale ¿Cuál es su
media?

La variable X puede tomar los valores 1, 2, ..., 6 y para todos ellos f(x) = 1/6. En
consecuencia la media es
Observese que es un número que la v.a. no puede alcanzar. ¿Qué significa? No mucho.

Se define ahora una función sobre X: el premio: si sale 1 ó 2 se gana 100 ptas, si sale
3 se gana 500 y si sale 4, 5 ó 6 no se gana nada

X h(x)

1 100

2 100

3 500

4 0

5 0

6 0

¿Cuál es el valor medio de esta función?

¿qué significa? es el valor medio a la larga: si se juega un número grande de veces la

ganancia final es como si en cada jugada se hubiera ganado 116,6 pts. Si la apuesta
costara menos de eso el juego sería ventajoso para el jugador (así se enriqueció
Voltaire), si costara más, para la banca. (llamar a ésto honestidad del juego le costó el
puesto de ministro a Laplace).

Varianza:

Se define como:

aunque para el cálculo se suele usar esta otra fórmula equivalente: