Introducción

En la probabilidad y estadística existe la aplicación de las variables, la cual son los

símbolos que actúan en funciones, como lo hemos mencionado existe más de una
variable, como lo puede ser la aleatoria, discreta o aleatoria continua. Desde un punto
de vista teórico estas variables son funciones que se van definiendo sobre un espacio
de probabilidad.

Como ya nombramos en la probabilidad y estadística hacemos uso de las funciones,

dichas funciones se define como una estrategia con la cual poder dar solución a
muchos problemas existentes donde desearíamos calcular la probabilidad de una
variable aleatoria, con la finalidad de dar una solución concreta.
 Variable Aleatoria

Es aquella cantidad que resulta de un experimento, que como su nombre indica, por
azar puede adoptar diferentes valores, otro concepto que podemos encontrar, donde su
definición es una función que asocia un número real con cada el elemento del espacio
muestral.

Ejemplo:

Los estadísticos utilizan planes de muestreo para aceptar o rechazar lotes de

materiales. Suponga que uno de los planes de muestreo implica obtener una muestra
independiente de 10 artículos de un lote de 100, 12 están defectuosos.

Si X representa a la variable aleatoria, definida como el número de artículos que están

defectuosos en la muestra de 10, la variable aleatoria toma los valores de
0,1,2,3,4,5,6,7,8,9,10.

Otro ejemplo más general es, si cuenta el número de empleados ausentes en el turno
matutino del lunes, puede ser 0, 1, 2, 3…El número de ausencias es una variable
aleatoria.

Variable Aleatoria Discreta

Es la variable aleatoria que adopta claramente separados, es decir, si se puede contar

su conjunto de resultados posibles.

Ejemplo:

Las calificaciones en los concursos de patinaje artístico, son valores decimales, como
6.2, 8.3, 9.4 y 3.4. Dichos valores son discretos, pues existe una distancia entre
calificaciones entre 6.3 y 6.4. Una calificación no puede tener un valor de 6.356 o de
6.35 es decir solo un decimal.
 Variable Aleatoria Continua

Cuando una variable aleatoria toma valores en una escala continua, a menudo los
posibles valores de este tipo de variables son precisamente los valores incluidos en el
espacio muestral.

Ejemplo:

- La duración de cada canción en un álbum.

- El peso de cada trabajador de una empresa.

Características de una función masa de probabilidad

El conjunto de pares ordenados (x, f(x)), es una función de masa de probabilidad de la

variable aleatoria discreta x si, para cada resultado x posible:

1. (! ) " 0
2. #$ (! ) = 1
3. %(& = ! ) = (!)'

Ejemplo:

Un embarque de 20 computadoras portátiles similares para una tienda minorista

contiene 3 que están defectuosas. Si una escuela compra al azar 2 de estas
computadoras, calcular la distribución de probabilidad para el número de computadoras
defectuosas.

Lo primero que debemos tomar es el nombre de la variable, en este caso la llamaremos

x, esta variable representará los números posibles de computadoras defectuosas,
entonces x solo puede tomar los valores de 0, 1, 2.

3 17
* + * + 68
(0) = %(& = 0) = 0 2 =
20 95
* +
2
 3 17
* +* + 51
(1) = % (& = 1) = 1 1 =
20 190
* +
2

3 17
* +* + 3
(2) = % (& = 2) = 2 0 =
20 190
* +
2

La distribución de probabilidad de x es:

Características de una función distribución acumulativa

F(x) de una variable aleatoria discreta X con distribución de probabilidad f(x) es:

(! ) = " (# $ ! ) = % &(') - ./0/1 2 3 < 4 < 3

*+,

Ejemplo: Si una agencia automotriz vende 50% de su inventario de cierto vehículo

extranjero equipado con bolsas de aire laterales, calcule una fórmula para la
distribución de probabilidad del número de automóviles con bolsas de aire laterales
entre los siguientes 4 vehículos que venda la agencia.

Calcule la función de la distribución acumulativa de la variable aleatoria X, para verificar

que f(2) = 3/8 usando F(X).

Lo primero que debemos saber es que la probabilidad de vender un auto con bolsas de
aire laterales es de 0.5, los 56 = 16 del espacio muestral tienen la misma probabilidad
de ocurrencia, el denominador para nuestra función es de 16. El evento de vender x
modelos con bolsas de aire laterales y 4 – x modelos sin bolsas de aire puede ocurrir
8
de 7 9, donde x puede tomar valores de 0, 1, 2, 3 y 4. Entonces la distribución de
!
probabilidad quedaría de la siguiente manera:
 : 8
& (! ) = 1 7 9 - ./0/14 = >- ?- @- A1B1C
:; !

Entonces la distribución de probabilidad nos quedaría

:
&(D) = 1
:;
:
&(:) = 1
8
E
&(5) = 1
F
:
&(E) = 1 1
8
:
&(8) = 1 11
:;

Entonces:
:
(D) = &(D) = 1
:;
H
(:) = &(D) G &(:) = 1
:;
::
(5) = &(D) G &(:) G &(5) = 1
:;
:H
(E) = &(D) G &(:) G &(5) 1 G &(E) = 1
:;
(8) = &(D) G &(:) G &(5) 1 G &(E) G &(8) = 1:

Por lo tanto:
D- MNON1! < D
L:
J - MNON1D $ ! < :1
J:;
JH
J - MNON1: $ ! < 5
(#) :;
K :: - MNON15 $ ! < E
J :;
J :H
J - MNON1E $ ! < 8
J :;
I :- MNON1! P 8

Entonces:
 :: H E
&(5) = (5) 2 (:) = 1 2 =1
:; :; F

Como usar la F(x) de una variable aleatoria discreta para obtener probabilidades

Una variable aleatoria es una función que asigna un valor numérico, al resultado de un
experimento aleatorio.

Una variable aleatoria discreta es aquella que solo puede tomar un número finito de
valores entre dos valores cualesquiera de una característica. Como por ejemplo el
número de hijos de una familia.

El conjunto (!- & (! )) es una función de probabilidad de la variable aleatoria discreta X si

y solo si

& (! ) P D

! (" ) = 1
#

$ (% = " ) = !(")

Ejemplo

Si en cierta población de insectos el 30% son machos y el 70% hembras, y se elige al

azar un insecto, siendo

0'*+'-.'+/2-345'-2'6-789:
%=&
1'*+'-.'+/2-345'-2'7:365

La función de probabilidad de X es:

0<>'2+'" = 0
!(" ) = ; 0<?'2+'" = 1
0'-/'5495'3:25

En forma de tabla tenemos que:

x 0 1
f(x) 0.7 0.3
En forma gráfica tenemos:

Características de una función de densidad de probabilidad

La función de densidad de probabilidad (FDP) es una expresión estadística que define

la distribución de probabilidad de variables aleatorias discretas en lugar de una variable
aleatoria continua.

· Las funciones de densidad de probabilidad son una medida estadística que se

utiliza para medir el rendimiento probable de un valor.
· La PDF se traza en un gráfico y la probabilidad de los resultados se encuentra
debajo de la curva.
· Las variables discretas se pueden medir directamente y las variables continuas
pueden tener valores infinitos.

Propiedades de la FDP

! (" ) @ 0'A:9:'45B:'"

H
Á9-:'454:.'8:C5'.:'3D9E:'-2'+FD:.':'1' G ! (" )B" = 1
IH

K
$(: J " J 8) = G ! (" )B"
L
Ejemplo de una FDP

Características de una función distribución acumulativa de una variable aleatoria

continua

Las variables definidas sobre espacios muestrales continuos se llaman continuas. La

función de distribución (acumulada) de una variable aleatoria X, evaluada en x, es la
probabilidad de que X tome un valor menor o igual que x.

En el caso de que la distribución sea continua (como en las distribuciones normales) es

el área bajo la función de densidad (campana de Gauss) desde menos infinito hasta x.
Tal que

#
M (" ) = $ (% N " ) = G ! (4)B4 'A:9: O P J " J P
IH

Propiedades

! (OP) = 0
! (P) = 1
$ ("1 N % N "Q) = ! ("Q) O ! ("1)
B! (" )
= !(")
B"

Dada la función de densidad de la variable aleatoria X, obtener su función de

distribución
 "'''A:9:'0 N " N 1
!(") ;Q O "'A:9:'1 N " N Q
0'54952'E:.59-2

Graficamos

Tramos de la grafica

:RD.'3.:95'" J 0
:RD.'523D95'0 N " N 1
759:B5'1 N " N Q
95C5'" S Q

#
$9+7-9'49:75 G 0B" = 0
IH
V #
"U
*-FD/B5'49:75' G B" T G "B" =
IH V Q

V X #
"U
W-93-9'49:75' G B" T G "B" T G (Q O " )B" = Q" O O1
IH V X Q

V X U ZH
YD:945'49:75' G B" T G "B" T G (Q O " )B" T G 0B" = 1
IH V X U

Finalmente, la solución:

0_ "J0
^" U
\ _ A:9:'0 N " N 1
( )
M " = Q
] "U
\Q" O O 1_ A:9:'1 N " N Q
Q
[ 1_ "SQ
Como usar la F(x) de una variable aleatoria continua para obtener probabilidades

Una variable aleatoria continua es aquella que puede tomar un número infinito de
valores entre dos valores cualesquiera de una característica. Como por ejemplo la
altura de los algunos de una clase.

Propiedades

! (" )-2'35/4+/D:'`'/5'B-39-3+-/4-
$(: J % N 8 = ! (8) O !(:)
a.'2-9'$(% = " ) = 0'A:9:'45B5'"'9-:.'2-'4+-/-'bD-c
$ (% J " ) = $ (% N " )
$(: J % J 8) = $(: N % J 8) = $(: J % N 8) = $(: N % N 8)

Grafica de una F(x) para una variable aleatoria discreta y una continua

1. Grafica de una variable aleatoria discreta

En este caso la asignación de probabilidades se hace en valores discretos, ya sea

finitos o infinitos numerables.

2. Grafica de una variable aleatoria continua

En este caso la asignación de probabilidades se hace en una sección o toda la recta
real. Debido a que hay infinitos posibles resultados, la probabilidad de ocurrencia de
exactamente un valor en particular es cero.
 Conclusión

Para concluir podemos decir que la aplicación de las distintas herramientas basadas en
los conceptos matemáticos de funciones y variables con la finalidad de dar solución a
ciertos problemas en la sociedad moderna, han tenido gran relevancia en nuestra
historia. Por eso es necesario que los ciudadanos tengan un conocimiento de la
aplicación de dichas herramientas para entender cómo afecta y contribuye el uso de las
variables y funciones en nuestro día a día.
 Referencias

- Ronald E. Walpole y otros (2012). Probabilidad y estadística para ingeniería y

ciencias. Novena Edición Pearson Education.
- Douglas A. Lind, William G. Marchal y Samuel A. Wathen (2012). Estadística
aplicada a los negocios y la economía. Décimo Quinta Edición.