Está en la página 1de 9

REPUBLICA BOLIVARIANA DE VENZUELA

MINISTERIO DEL PODER POPULAR


PARA LA EDUCACION Y DEPORTE
Universidad Valle del Momboy
CARVAJAL, EDO TRUJILLO

VARIABLES ALEATORIAS

ALUMNO: NELSON MONTILLA


C.I: 26.123.781
PROFESOR: MAURO GONZALES
ASIGNATURA: ESTADISTICA DESCRIPTIVA

23 DE NOVIEMBRE DEL 2016


INTRODUCCION

Una variable aleatoria puede concebirse como un valor numrico que est afectado
por el azar. Dada una variable aleatoria no es posible conocer con certeza el valor que
tomar est al ser medida o determinada, aunque s se conoce que existe
una distribucin de probabilidad asociada al conjunto de valores posibles, consigo
esto trae teoras de probabilidad, modelos de las teoras y graficos
VARIABLE ALEATORIA
Una variable aleatoria o variable estocstica es una funcin que asigna un valor,
usualmente numrico, al resultado de un experimento aleatorio. Por ejemplo, los
posibles resultados de tirar un dado dos veces: (1, 1), (1, 2), etc. o un nmero real
Los valores posibles de una variable aleatoria pueden representar los posibles
resultados de un experimento an no realizado, o los posibles valores de una
cantidad cuyo valor actualmente existente es incierto .
Intuitivamente, una variable aleatoria puede tomarse como una cantidad cuyo
valor no es fijo pero puede tomar diferentes valores; una distribucin de
probabilidad se usa para describir la probabilidad de que se den los diferentes
valores. En trminos formales una variable aleatoria es una funcin definida sobre
un espacio de probabilidad.
Las variables aleatorias suelen tomar valores reales, pero se pueden considerar
valores aleatorios como valores lgicos, funciones o cualquier tipo de elementos
(de un espacio medible). El trmino elemento aleatorio se utiliza para englobar
todo ese tipo de conceptos relacionados. Un concepto relacionado es el
de proceso estocstico, un conjunto de variables aleatorias ordenadas.

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 nmero de veces que se ha presentado un suceso o donde el
resultado es una puntuacin concreta.

Variables aleatorias continuas

Generalmente, se corresponden con variables asociadas a experimentos en los


cuales la variable medida puede tomar cualquier valor en un intervalo; mediciones
biomtricas, 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.

Funcin de probabilidad discreta


Denotaremos como a la probabilidad de que la variable aleatoria tome
el valor
Se llama funcin de probabilidad de una variable aleatoria discreta a la
aplicacin que a cada valor de de la variable le hace corresponder la probabilidad
de que la variable tome dicho valor:

Por definicin, deducimos que si son los valores


que puede tomar la variable entonces:

Ya que esta suma es, en realidad, la probabilidad del suceso seguro.

Funcin de distribucin acumulativa


La grfica de la funcin distribucin acumulada de una variable discreta es
siempre una grfica escalonada.

Esperanza

En estadstica la esperanza matemtica (tambin llamada esperanza, valor


esperado, media poblacional o media) de una variable aleatoria
Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la
probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho
suceso. Por lo tanto, representa la cantidad media que se "espera" como resultado
de un experimento aleatorio cuando la probabilidad de cada suceso se mantiene
constante y el experimento se repite un elevado nmero de veces. Cabe decir que
el valor que toma la esperanza matemtica en algunos casos puede no ser
"esperado" en el sentido ms general de la palabra - el valor de la esperanza
puede ser improbable o incluso imposible.
Propiedades de la esperanza matemtica.

1.- La esperanza de una constante es la propia constante E[k] = k

2.- Si X est acotada a X b es a E[X] b

3.- La esperanza E[a.X+b] = a.E[X]+ b y en general, la esperanza de una


combinacin lineal de funciones de X es la combinacin lineal de las esperanzas.

4.- Si g(xi) h(xi) para todo i es E[g(X)] E[h(X)]

5.- El valor absoluto de la esperanza de una funcin de X es menor o igual que la


esperanza del valor absoluto de la funcin.

6.- Si f(x) = f(-x) o sea si la funcin de densidad es simtrica su esperanza es cero


E[f(x)] =
Varianza

En teora de probabilidad, la varianza o variancia de una variable aleatoria es


una medida de dispersin definida como la esperanza del cuadrado de la
desviacin de dicha variable respecto a su media.
Est medida en la unidad de medida de la variable al cuadrado. Por ejemplo, si la
variable mide una distancia en metros, la varianza se expresa en metros al
cuadrado. La desviacin estndar es la raz cuadrada de la varianza, es una
medida de dispersin alternativa expresada en las mismas unidades de los datos
de la variable objeto de estudio. La varianza tiene como valor mnimo 0.
Hay que tener en cuenta que la varianza puede verse muy influida por los valores
atpicos y no se aconseja su uso cuando las distribuciones de las variables
aleatorias tienen colas pesadas. En tales casos se recomienda el uso de otras
medidas de dispersin ms robustas.
Propiedades de la varianza

1 Frmula alternativa muy til Var(X) = E[X2] (E[X])2

2 La varianza de una constante es cero. Var(k) = 0

3 La varianza de una constante por X, la constante sale al cuadrado.


Var(aX) = a2.Var(X)

4 Var(aX+b) = a2.Var(X)

Dsitribucion discreta de probabilidad

Distribuciones de variable discreta. Se denomina distribucin de variable discreta a


aquella cuya funcin de probabilidad slo toma valores positivos en un conjunto de
valores de X {\displaystyle X} finito o infinito numerable. A dicha funcin se le llama
funcin de masa de probabilidad.

Modelos de distribuciones de probabilidad de variables discretas


Uniforme. Es la distribucin donde todos los eventos elementales tienen la
misma probabilidad. Por ejemplo: tirar un dado, donde la funcin P(X=x)=1/6 para
valores de x=1,2,3,4,5,6.
Binomial. Es la que maneja la distribucin de la probabilidad de obtener
cierta cantidad de xitos al realizar una cantidad de experimentos con probabilidad
de xito constante y con ensayos independientes.
Geomtrica. Es la distribucin de la probabilidad de realizar cierto nmero
de experimentos antes de obtener un xito.
Hipergeomtrica. Es similar a la binomial, pero con un tamao de muestra
grande en relacin al tamao de la poblacin. La funcin de Excel que proporciona
sus valores es DISTR.HIPERGEOM
Distribuciones de variables continuas de probabilidad

Se denomina variable continua a aquella que puede tomar cualquiera de los


infinitos valores existentes dentro de un intervalo.
Modelos de distribucin de probabilidad de variables continuas

Al igual que en el caso de las distribuciones de probabilidad de variables discreta,


en el caso de las distribuciones de probabilidad de variables continuas se tienen
varios modelos tericos que en seguida presentamos.
A la derecha de cada modelo aparece la funcin de densidad correspondiente a
cada modelo.
Uniforme. Es la distribucin en donde todos los eventos tienen la misma
probabilidad.

Para ver el grfico seleccione la opcin "Descargar" del men superior

Exponencial. Se utiliza para estudiar el tiempo entre dos sucesos. La


funcin de Excel que le corresponde es DISTR.EXP.

Para ver el grfico seleccione la opcin "Descargar" del men superior

Beta. Sirve para el estudio de variaciones, a travs de varias muestras, de


un porcentaje que representa algn fenmeno. La
funcin DISTR.BETA del Excel sirve para obtener sus valores; y la
funcin DISTR.BETA.INV proporciona los valores inversos de la funcin, es decir,
se utiliza como parmetro la imagen de la funcin y regresa la variabla
independiente.

Para ver la frmula seleccione la opcin "Descargar" del men superior


Gamma. Se utiliza para estudiar variables cuya distribucin puede ser
asimtrica. La funcin de Excel que le corresponde es DISTR.GAMMA; y la
funcin DISTR.GAMMA.INV es la inversa de la anterior.

Para ver la frmula seleccione la opcin "Descargar" del men superior


ji cuadrada (c). Es una distribucin asociada a la prueba c, y se usa para
comparar los valores observados con los esperados. La
funcin DISTR.CHI de Excel sirve para este

Para ver la frmula seleccione la opcin "Descargar" del men superior


Normal. Es la distribucin ms utilizada porque la mayora de las variables
utilizadas en fenmenos sociales se distribuyen aproximadamente siguiendo este
modelo. Es la que tocaremos a continuacin y se le llama comnmente
distribucin normal.
CONCLUSION

Una distribucin de frecuencia es una tabla de resumen en la que los datos se


disponen en agrupamientos o categoras convenientemente establecidas de
clases ordenadas numricamente.
En esta forma las caractersticas ms importantes de los datos se aproximan muy
fcilmente, compensando as el hecho de que cuando los datos se agrupan de ese
modo, la informacin inicial referente a las observaciones individuales de que
antes se dispona se pierde a travs del proceso de agrupamiento o
condensacin.
La principal ventaja de usar una de estas tablas de resumen es que las principales
caractersticas de los datos se hacen evidentes inmediatamente para el lector.
La principal desventaja de tal tabla de resumen es que no podemos saber como
se distribuyen los valores individuales dentro de un intervalo de clase particular sin
tener acceso a los datos originales. El punto medio de la clase, sin embargo, es el
valor usado para representar todos los datos resumidos en un intervalo particular.
El punto medio de una clase (o marca de clase) es el punto a la mitad de los
lmites de cada clase y es representativo de los datos de esa clase.
La probabilidad es la posibilidad u oportunidad de que suceda un evento particular.
La probabilidad involucrada es una porcin o fraccin cuyo valor vara entre cero y
uno exclusivamente. Observamos un evento que no tiene posibilidad de ocurrir (es
decir, el evento nulo), tiene una probabilidad de cero, mientras que un evento que
seguramente ocurrir (es decir, el evento cierto), tiene una probabilidad de uno.
La regla mas evidente para las probabilidades es que deben variar en valor de 0 a
1. Un evento imposible tiene una probabilidad cero de ocurrir, y un evento cierto
tiene una probabilidad uno de ocurrir. La probabilidad simple se refiere a la
probabilidad de ocurrencia de un evento simple.
Una distribucin de probabilidad para una variable aleatoria discreta es un listado
mutuamente excluyente de todos los resultadosposibles para esa variable
aleatoria, tal que una probabilidad particular de ocurrencia est asociada con cada
resultado.
BIBLIOGRAFIA

https://es.wikipedia.org/wiki/Variable_aleatoria#Concepto_intuitivo

http://www.vitutor.com/pro/3/a_1.html

http://www.monografias.com/trabajos20/estadistica/estadistica.shtml

http://www.monografias.com/trabajos106/variable-aleatoria/variable-aleatoria.shtml

http://www.uaq.mx/matematicas/estadisticas/xu4-5.html#t9

http://www.uv.mx/iiesca/revista2/bety1.html

http://www.virtual.unal.edu.co/cursos/ciencias/2001065/lecciones_html/un2/2_5_4
.html

http://www.virtual.unal.edu.co/cursos/sedes/manizales/4030011/lecciones/cap2/cap
_2_pag_7.html

http://zip.rincondelvago.com/?00018796

http://zip.rincondelvago.com/?00020483