TRABAJO COLABORATIVO 2

APORTE INDIVIDUAL

RESUMEN DEL CAPITULO 4

VARIABLES ALEATORIAS

DIANA KATHERINE RENTERIA REYES

C.C 1.111.195.737
CODIGO CURSO: 138

TUTOR:
ELKIN ORLANDO VELEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

CEAD Yopal Casanare
PSICOLOGIA III
Noviembre, 2013
CAPITULO 4
VARIABLES ALEATORIAS
Es pues, una función que asigna un número real a cada resultado en el espacio
muestral de un experimento aleatorio. Ellas se denotan con una letra mayúscula,
tal como X.

Se dice que X es aleatoria porque involucra la probabilidad de los resultados del

espacio muestral, y se define X como una función porque transforma todos los
posibles resultados del espacio muestral en cantidades numéricas reales.

VARIABLE ALEATORIA DISCRETA

Se dice que una variable aleatoria X es discreta si el número de valores que
puede tomar es finito (o infinito contable).

La distribución de probabilidad indica toda la gama de valores que pueden

representarse como resultado de un experimento si éste se lleva a cabo.

La función de distribución acumulada únicamente puede tomar valores entre

cero y uno.

VARIABLE ALEATORIA CONTINUA

Una variable aleatoria X es continua si su función de distribución es una función

continua.

En la práctica, se corresponden con variables asociadas con experimentos en los

cuales la variable medida puede tomar cualquier valor en un intervalo: mediciones
biométricas, intervalos de tiempo, áreas, etc.

Ejemplos

 Resultado de un generador de números aleatorios entre 0 y 1. Es el

ejemplo más sencillo que podemos considerar, es un caso particular de una
familia de variables aleatorias que tienen una distribución uniforme en un
intervalo [a, b]. Se corresponde con la elección al azar de cualquier valor
entre a y b.

 Estatura de una persona elegida al azar en una población. El valor que

se obtenga será una medición en cualquier unidad de longitud (m, cm, etc.)
dentro de unos límites condicionados por la naturaleza de la variable. El
resultado es impredecible con antelación, pero existen intervalos de valores
más probables que otros debido a la distribución de alturas en la población.
Más adelante veremos que, generalmente, variables biométricas como la
altura se adaptan un modelo de distribución denominado distribución
Normal y representado por una campana de Gauss.
Dentro de las variables aleatorias continuas tenemos las 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

Función de densidad de probabilidad. Esta función f(x) no es la misma función

de probabilidad de una variable aleatoria discreta.

La gráfica de la función f(x) es una curva que se obtiene para un número muy
grande de observaciones y para una amplitud de intervalo muy pequeña.
Recuerde que la gráfica de una función de probabilidad de una variable aleatoria
discreta es escalonada, dando la sensación de peldaños en ascendencia

VALOR ESPERADO Y VARIANZA DE UNA VARIABLE ALEATORIA

El valor esperado (también llamado media o esperanza matemática) de una
variable aleatoria discreta X es una medida de posición para la distribución de X.
Se simboliza con _ y se calcula al sumar el producto de cada valor de X con su
probabilidad correspondiente. En otras palabras, la media o valor esperado de una
variable aleatoria discreta X es:

TEOREMA DE CHÉBYSHEV
Para demostrar cómo la desviación estándar es indicadora de la dispersión de la
distribución de una variable aleatoria, el matemático ruso Pafnuty Lvovich
Chébyshev desarrolló un teorema en el que ofrece una garantía mínima acerca de
la probabilidad de que una variable aleatoria asuma un valor dentro de k
desviaciones estándar alrededor de la media.

Para cualquier variable aleatoria X con media M y desviación estándar M, la

probabilidad de que X tome un valor contenido en k desviaciones estándar de la
media, siendo k una constante positiva cualquiera, es cuando menos
Simbólicamente, el teorema se expresa de cualquiera de las siguientes maneras:

La desigualdad de Chébyshev es muy importante, ya que permite determinar los

límites de las probabilidades de variables aleatorias discretas o continuas sin tener
que especificar sus funciones de probabilidad. Este teorema asegura que la
probabilidad de que una variable aleatoria se aleje de la media no más de k
desviaciones estándar, es menor o igual a 1/k2 para algún valor de k >1.

EJERCICIOS CAPÍTULO 4.
1.- Una urna contiene cuatro balotas con los números 1, 2, 3 y 4, respectivamente.
Si se toman dos balotas de la urna sin sustitución y X es la suma de los números
de las dos balotas extraídas, determine la distribución de probabilidad de X y
represéntela por medio de un histograma.

RESULTADO X OCURRENCIA PROBABILIDAD

(1,2),(1,2) 3 2 2/12
(1,3),(1,3) 4 2 2/12
(1,4),(2,3),(3,2),(4,1) 5 4 4/12
(2,4)(4,2) 6 2 2/12
(3,4)(4,3) 7 2 2/12

HISTOGRAMA

4.- Sea X una variable aleatoria discreta. Determine el valor de k para que la
Función f (x) = k / x , x = 1, 2, 3, 4, sea la función de probabilidad de X. Determine
Además P(1 £ X £ 3) .

∑f (x) = 1

f(1)+f(2)+f(3)+f(4)= k/1 + k/2 + k/3 + k/4 =1

(12k+ 6k + 4k + 3k)/12=125

k=12

k=12/25

P(1<=X<=3) = f(1) + f(2) + f(3) = 12/(25*1) + 12/(25*2) + 12/(25*3) = 12/25 +

12/50+ 12/75 = 22/25 = 0.88