1.

- Variables Aleatorias

Una Variable aleatoria es aquella cuyo valor es el resultado de un evento aleatorio. Lo

que quiere decir que son los resultados que se presentan al azar en cualquier evento o
experimento.

También podemos decir que una variable aleatoria es una función que asocia a casa
resultado del espacio muestral un número real.

2.- Valor esperado de variables aleatorias

El valor esperado de una variable aleatoria es la generalización de la media aritmética

a toda la población, es decir, es la media de la variable aleatoria. También se
llama valor medio, valor esperado o esperanza matemática, y se representa por la
letra griega μ.

El criterio del valor esperado es un modelo que se basa en las probabilidades de

ocurrencia de un suceso en particular y resulta de la suma ponderada de los pagos
correspondientes a la alternativa de decisión.

3.- Modelos para variables aleatorias discretas: Uniforme, Binomial,

Lupergeométrica, Pascal, Geométrica y Pisson

Los modelos discretos, son modelos de probabilidad de variable aleatoria discreta.

Esta división se realiza dependiendo del tipo de variable a estudiar. Las cuatro
principales (de las que nacen todas las demás) son:
a) Si la variable es una variable discreta (valores enteros), corresponderá una
distribución discreta, de las cuales existen:

 Distribución binomial (eventos independientes).

 Distribución de Poisson (eventos independientes).
 Distribución hipergeométrica (eventos dependientes).
b) Si la variable es continua, esto significa que puede tomar cualquier valor dentro de
un intervalo, la distribución que se generará será una distribución continua, también
llamada distribución normal o gaussiana.
Además, se puede utilizar la «distribución de Poisson como una aproximación de la
distribución binomial» cuando la muestra por estudiar es grande y la probabilidad de
éxito es pequeña. De la combinación de los dos tipos de distribuciones anteriores (a y
b), surge una conocida como «distribución normal como una aproximación de la
distribución binomial y de Poisson».
La distribución binomial, describe el número de aciertos en una serie de n
experimentos independientes con posibles resultados binarios, es decir, de «sí» o «no»,
todos ellos con probabilidad de acierto p y probabilidad de fallo q = 1 − p.

El modelo de Poisson es un caso particular del Binomial especialmente útil cuando es

más factible obtener el valor del producto π·n que los valores exactos de π y de n.

4.- Modelos para variables aleatorias continuas: Rectangular, Normal, Normal

multivariada, Exponencial, Gamma, Chi cuadrado, T-student y E-snedoc.

Se denomina variable continua a aquella que puede tomar cualquiera de los infinitos
valores existentes dentro de un intervalo. En el caso de variable continua la distribución
de probabilidad es la integral de la función de densidad, por lo que tenemos entonces
que:

La distribución rectangular es el caso particular en el intervalo [-1/2, 1/2].

Distribución Normal Es una de las distribuciones más importantes. Es el modelo de

distribución más utilizado en la práctica, ya que multitud de fenómenos se comportan
según una distribución normal.

Distribución Chi-cuadrado (c2) Es otro caso particular de la distribución gamma para

el caso β = 2 y α = n / 2, siendo n un número natural.

Distribución T de Student Supongamos dos variables aleatorias independientes, una

normal tipificada, Z , y otra con distribución c2 con n grados de libertad, la variable
definida según la ecuación:

5.- Transformaciones

Transformación significa el resultado de un proceso de cambio de forma. Sucede

cuando una cosa, hecho o idea es convertida en otra. Los procesos físicos de
transformación suceden, por ejemplo, cuando las especies evolucionan.