REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
DE LA FUERZA ARMADA NACIONAL BOLIVARIANA
UNEFA-NÚCLEO APURE
UNIDAD ACADÉMICA
E.A.D. DE INVESTIGACIÓN
CARRERA: _INGENIERIA MECÁNICA

Variables y Funciones de
Distribución

Facilitador (a): Participante:

Prof. José Castillo Rosmer Guerrero

C.I.V.- 29.894.467

San Fernando de Apure, Octubre 2020

1
 ÍNDICE
Pág.

Introducción…………………………………………………………… 3

Variable Aleatoria…………………………………………………….. 5

Variable Aleatoria discreta……………………………………………. 6

Funciones de Probabilidad de una variable aleatoria discreta………… 8

Variable Aleatoria Continua…………………………………………… 10

Funciones de Densidad de una Variable Aleatoria Continua…………. 11

Funciones de Distribución para Variables Continuas y Discreta…….. 13

Función de Densidad conjunta, marginal, condicional y valor esperado

condicional…………………………………………………………….. 15

Variable aleatoria independiente……………………………………….. 17

Esperanza Matemática de funciones de varias variables aleatorias……. 18

Conclusión………………………………………………………………. 22

Referencias bibliográficas……………………………………………….. 23

2
 INTRODUCCIÓN

La necesidad de estudiar la estadística ha crecido de manera considerable en

las últimas décadas, por ser un área de gran importancia utilizada en todos los campos
laborales. El estudio de la misma presenta en ocasiones grandes dificultades de
aprendizaje pero el tener un grado necesario de dominio sobre la estadística facilita al
Ingeniero desenvolverse sin mayor complejidad en su vida profesional ya que es un
punto fundamental para realizar sus trabajos sobre todo al momento de calcular
probabilidades de ocurrencia de problemas. Además es muy fluida por los diferentes
trabajos que se le presenta como profesional en esta área de la Ingeniería ya sea para
presentar informes finales o temporales hablando de lo cuantitativo, así como también
tener la necesidad de saber con qué personal se trabaja cual es la relación social que
tiene cada individuo y en toda estas relaciones está presente la estadística.

Todo esto ya que la estadística puede presentar diferentes niveles de

dificultad matemática y puede estar dirigida hacia aplicaciones en distintos campos de
investigación, para ilustrar de manera más completa esta amplia aplicabilidad, es
necesario analizar las diversas funciones de la estadística. La estadística es la ciencia
que tiene que ver con la recolección, organización, presentación, análisis, e
interpretación de datos. Aunque en todo estudio estadístico el primer paso es la
recolección de datos, es usual en un curso básico de estadística asumir que los datos
ya han sido recolectados y que ahora están disponibles. Por consiguiente el trabajo
comienza con el esfuerzo por organizar y presentar estos datos de manera
significativa y descriptiva.

campo de la Estadística como lo son Variables Aleatorias, discretas,

continuas; así como sus funciones de densidad. Igualmente se hace referencia a la
Función de Densidad conjunta, marginal, condicional y valor esperado condicional, la
esperanza Matemática de funciones de varias variables aleatorias, presentando como
parte explicativa tres (03) ejemplos de cada definición presentada. Para tal fin se

3
emplearon recursos bibliográficos ubicados en páginas y enlaces de la web,
estructurando y adecuando cada aspecto de la investigación de tal forma de hacerlo lo
más fácil posible de comprender para cualquier persona que se tome el tiempo de
leerlo. Igualmente se espera que esta investigación pudiese servir de referencia a
investigaciones futuras.

4
 VARIABLE ALEATORIA

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), o un número real (p.e., la
temperatura máxima medida a lo largo del día en una ciudad concreta).

Una variable aleatoria (v.a.) X es una función real definida en el espacio de

probabilidad, (Ω, A, P), asociado a un experimento aleatorio.

Χ: Ω = ℝ

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 una 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).

Rango de una variable aleatoria

Se llama rango de una variable aleatoria X y lo denotaremos RX, a la imagen

o rango de la función X, es decir, al conjunto de los valores reales que ésta puede
tomar, según la aplicación X. Dicho de otro modo, el rango de una v.a. es el recorrido
de la función por la que ésta queda definida:

5
 RX= (X ϵ ℝ ʒ ώ ϵ Ω: Χ (ώ)= x)

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.

VARIABLE ALEATORIA DISCRETA

Se denomina variable aleatoria discreta aquella que sólo puede tomar un

número finito de valores dentro de un intervalo. Por ejemplo, el número de
componentes de una manada de lobos, puede ser 4 ó 5 ó 6 individuos pero nunca 5,75
ó 5,87. Otros ejemplos de variable discreta serían el número de pollos de gorrión que
llegan a volar del nido o el sexo de los componentes de un grupo familiar de
babuinos.
Se denomina densidad discreta a la probabilidad de que una variable aleatoria
discreta X tome un valor numérico determinado (x). Se representa:
F(x) = P[X=x]

La suma de todas las densidades será igual a 1

Tanto hablar de Estadística, y me acabo de dar cuenta que el concepto

principal para cualquier tema, todavía no lo hemos definido, ¡vaya despiste!
Por tanto, hoy por fin, vamos a estudiar las variables aleatorias, que como ya
hemos mencionado en varias ocasiones hay de dos tipos: discretas y continuas. Nos
centraremos en primer lugar en el estudio las de tipo discreto: para qué las utilizamos,
cómo las definimos, cuáles son sus características más importantes, así como algún
ejemplo que nos facilite la comprensión; y dejaremos para el próximo día el estudio
de las variables de tipo continuo.

6
 Una variable aleatoria es cualquier función que hacemos corresponder a un
determinado experimento aleatorio, mediante la cual asociamos a cada elemento del
espacio muestra, que denotamos por Ω, un número real: X: Ω →R.
Llamamos rango de una variable aleatoria a la imagen de la función anterior,
es decir, los números reales que puede tomar nuestra variable aleatoria: R= {xεR/
existe ωε Ω: X (ω)=x}.
Para denotar las variables aleatorias utilizamos letras mayúsculas, mientras
que para designar los valores concretos de las mismas utilizamos las letras
minúsculas. Una variable aleatoria discreta es aquella que asociamos a experimentos
a aleatorios donde la variable sólo puede tomar valores enteros; aunque en algunas
ocasiones también pueden ser decimales siempre y cuando estén dentro de un rango
concreto. Por ejemplo si X= {2; 2,5; 3; 3,5}, en este caso se trata de una variable
discreta porque X no puede tomar ningún valor entre medias.
Algunos de los ejemplos para los que utilizamos este tipo de variables es
cuando estudiamos el número de hijos o hermanos de una familia, el número obtenido
al lanzar un dado, entre otros.
Ejemplo: Si lanzamos dos monedas, hallar la variable aleatoria X que estudia
el número de caras.
1º) En primer lugar, estudiamos el espacio muestra: Ω= {XX,CC,XC,CX},
(donde X corresponde a sacar cara y evidentemente, C corresponde a sacar cara)
2º) Definimos nuestra variable aleatoria como la siguiente aplicación:
X: Ω →R
Una variable aleatoria discreta viene determinada por su función de
probabilidad: P(X=x), que es una aplicación que asocia a cada valor x de la variable
aleatoria X, la probabilidad de que la variable tome ese valor. Por tanto, es una
aplicación que tiene como conjunto de partida la variable X y como conjunto de
llegado el intervalo [0,1], ya que la probabilidad tiene que estar entre esos valores:
P(X=x): X→[0,1].
Propiedades: Si llamamos Pi=P(X=xi) para cada xi perteneciente a la variable
aleatoria X, se tiene que:

7
 a) Por ser una probabilidad: 0≤Pi≤1
b) La suma de todas las probabilidades tiene que ser 1: ∑Pi=1.
c) Se representa mediante un diagrama de barras.

Ejemplo: A partir del caso anterior, cuando lanzamos dos monedas, estudiar la
función de probabilidad para la variable aleatoria X= {número de caras}

1º) En primer lugar definimos la variable aleatoria (lo cual hemos hecho en el
ejemplo anterior), para saber los valores que puede tomar. Luego, X={0,1,2}

2º) Estudiamos la probabilidad para cada uno de los casos:

P(X=0)=P(sacar dos cruces)=1/2∙1/2=1/4

P(X=1)=P(sacar 1 cara)=P(sacar cara y cruz)+P(sacar cruz y cara)= 1/2∙1/2+

1/2∙1/2=2/4=1/2

P(X=2)=P (sacar 2 caras)= 1/2∙1/2=1/4

Por tanto la función de probabilidad que la representamos mediante una tabla queda
de la siguiente manera:

FUNCIONES DE PROBABILIDAD DE UNA VARIABLE ALEATORIA

DISCRETA

Dado un espacio probabilístico (E, A, p) se llama variable aleatoria X(a) a una

función que toma valores reales y está definida para los sucesos elementales a del
espacio probabilístico. Además se supone para cada número real x el conjunto {a /
X(a) £ x} de sucesos elementales a en que X toma valores menores o iguales que x es
un suceso de la familia A. El caso de variable aleatoria discreta supone además que
hay un número finito o numerable de valores xi tales que P[X=xi] = pi ³ 0,

Una variable aleatoria puede ser discreta o continua según sea el rango de esta
función.

Este conjunto de valores P[X=xi]=pi es lo que se llama la ley o distribución de

la probabilidad de la variable X. En otras palabras se llama función de probabilidad
de la variable aleatoria discreta X a la aplicación que asocia a cada valor xi de la
variable aleatoria su probabilidad pi.

8
 Dada una variable aleatoria discreta X, a la función acumulativa:

Se le llama función de distribución de X.

En general una distribución acumulativa F(x) de una variable aleatoria

discreta es una función no decreciente de los valores de X, de tal manera que

1. 0 £ F(x) £ 1 para cualquier x.

2. F(x i) ³ F(x j) si xi ³ xj

3. P(X > x) = 1 – F(x)

Además, puede establecerse que para variables aleatorias de valor entero se

tiene que:

4. P(X = x) = F(x) – F (x-1

5. P (xi£ X £ xj)= F(xj) - F( xi -1)

Una función de probabilidad de una variable aleatoria discreta es una función

que asigna probabilidades a los valores de la variable aleatoria

La fórmula que usaremos para la función de probabilidad de una variable

aleatoria discreta es la siguiente:

Una función de probabilidad de una variable aleatoria discreta se puede

expresar de manera fácil como una tabla o lista que empareja los valores de la
variable con sus probabilidades o también mediante una gráfica de barras. Sin
embargo, una función de probabilidad de expresa con mayor frecuencia mediante una
fórmula.

Por ejemplo, a partir de la tabla de probabilidades de la variable aleatoria X,

vamos a encontrar la ecuación de la función de probabilidad de la variable aleatoria X
en forma de ecuación:

Como todas las probabilidades son iguales a 1/6, entonces la ecuación de la

función de probabilidad de X sería la siguiente:

Y así ya tenemos nuestra función de probabilidad expresada mediante

fórmula. Recordemos un poco de teoría:

9
 Una función de probabilidad de una variable aleatoria discreta es una
función que asigna probabilidades a los valores de la variable aleatoria. Su fórmula es
la siguiente:

Además, la función de probabilidad tiene que cumplir con 2 propiedades:

1) La probabilidad de cada valor de la variable aleatoria debe estar entre 0 y 1.

2) La suma de las probabilidades asignadas a todos los valores de la variable

aleatoria debe ser 1.

Estas propiedades seguro te sonarán conocidas, ya que son propiedades que

hemos estudiado antes en el capítulo de probabilidades.

Es importante indicar que la función de probabilidad en una variable aleatoria

discreta también es llamada función de masa de probabilidad o distribución de
probabilidad. En algunos libros indican que la distribución y la función son cosas
diferentes, pero la mayoría de autores modernos no realizan distinción entre estos 2
conceptos en el caso de variables aleatorias discretas.

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, La función de densidad
de una variable aleatoria continúa La función f(x) es una función de densidad de probabilidad
para la variable aleatoria continua X, definida sobre el conjunto de los números reales.

Funciones de variables aleatorias continúa

Sea una variable aleatoria X sobre (Ω, A, P) y una función medible de Borel g: ℝ- ℝ
entonces Y=g(X) será también una variable aleatoria sobre Ω dado que la composición de
funciones medibles también es medible a no ser g sea una función medible de Lebesgue. El
mismo procedimiento que permite ir de un espacio de probabilidad (Ω, P) a ( ℝ dFx) puede
ser utilizado para obtener la distribución de Y. La función de probabilidad acumulada de Y es

10
 Si la función g es invertible, es decir g-1 existe, y es monótona creciente, entonces
la anterior relación puede ser extendida para obtener

y, trabajando de nuevo bajo las mismas hipótesis de invertibilidad de g y asumiendo

además diferenciabilidad, podemos hallar la relación entre las funciones de densidad de
probabilidad al diferenciar ambos términos respecto de y, obteniendo

Si g no es invertible pero cada y tiene un número finito de raíces, entonces la relación

previa con la función de densidad de probabilidad puede generalizarse como

Donde xi = gi-1(y). Las fórmulas de densidad no requieren que g sea creciente.

Ejemplo: Sea X una variable aleatoria real continua y sea Y = X2.

Si y < 0, entonces P(X2 = y) = 0, por lo tanto

Si y ≥ 0, entonces

por lo tanto

FUNCIONES DE DENSIDAD DE VARIABLES ALEATORIAS

CONTINUAS.

Describe la probabilidad relativa según la cual dicha variable aleatoria tomará

determinado valor. La probabilidad de que la variable aleatoria caiga en una región
específica del espacio de posibilidades estará dada por la integral de la densidad de
esta variable entre uno y otro límite de dicha región. La función de densidad de
probabilidad (FDP o PDF en inglés) es positiva a lo largo de todo su dominio y su
integral sobre todo el espacio es de valor unitario. Una función de densidad de
probabilidad caracteriza el comportamiento probable de una población en tanto
especifica la posibilidad relativa de que una variable aleatoria continua X tome un
valor cercano a x.

11
 Se define como el cociente entre la probabilidad de X de tomar un valor en el
intervalo [x, x + dx] y dx, siendo dx un infinitésimo.

La mayoría de las funciones de densidad de probabilidad requieren uno o más

parámetros para especificarlas totalmente. Recíprocamente respecto de la definición
ya desarrollada, pueden hacerse las siguientes consideraciones. La probabilidad de
que una variable aleatoria continua X quede ubicada entre los valores a y b está dada
por el desenvolvimiento en el intervalo de la FDP; de los valores comprendidos en el
rango entre a y b.

Funciones de Distribución de Probabilidad

A diferencia de la probabilidad, una fdp puede tomar valores mayores que

uno. Por ejemplo, la distribución uniforme continua en el intervalo [0, ½] tiene una
densidad de probabilidad f(x) = 2 para 0 ≤ x ≤ ½ y f(x) = 0 fuera de tal intervalo.

Hay que advertir que la función de densidad no es propiamente única: dos

funciones distintas pueden representar la misma distribución de probabilidad si solo
difieren en un conjunto de medida nulo.

Además, puede haber distribuciones de probabilidad que carezcan de función

de densidad.

Esto ocurre cuando, sin ser discretas, no le asignan probabilidad positiva a

algunos puntos individuales presentan conjuntos de medida nula.

Esto sucede con la distribución de Cantor cuando se toma la de Lebesgue

como medida de referencia.

FUNCIÓN DE DISTRIBUCIÓN PARA VARIABLES CONTINUAS Y

DISCRETAS

12
La función de distribución de una variable aleatoria con valores en (o más
precisamente de su ley) es la función , de en [0,1], que a asocia:

Sus propiedades principales son las siguientes.

Proposición:

La función de distribución caracteriza a la ley. En particular.

es une función creciente, continua por la derecha con un límite por la

izquierda en todo punto.

Ejemplo de la distribución

La distribución normal continua puede describir la distribución del peso de

hombres adultos. Por ejemplo, usted puede calcular la probabilidad de que un hombre
pese entre 160 y 170 libras.

Gráfica de distribución del peso de hombres adultos

El área sombreada debajo de la curva en este ejemplo representa el rango de

160 a 170 libras. El área de este rango es 0.136; por lo tanto, la probabilidad de que
un hombre seleccionado aleatoriamente pese entre 160 y 170 libras es de 13.6%.
Toda el área por debajo de la curva equivale a 1.0.

Sin embargo, la probabilidad de que X sea exactamente igual a algún valor

siempre es cero, porque el área por debajo de la curva en un punto individual, que no
tiene anchura, es cero. Por ejemplo, la probabilidad de que un hombre pese

13
exactamente 190 libras es cero. Podría calcular una probabilidad diferente de cero de
que un hombre pese más de 190 libras, menos de 190 libras o entre 189.9 y 190.1
libras, pero la probabilidad de que pese exactamente 190 libras es cero.

Una distribución discreta describe la probabilidad de ocurrencia de cada valor

de una variable aleatoria discreta. Una variable aleatoria discreta es una variable
aleatoria que tiene valores contables, tales como una lista de enteros no negativos.

Con una distribución de probabilidad discreta, cada valor posible de la

variable aleatoria discreta puede estar asociado con una probabilidad distinta de cero.
Por lo tanto, una distribución de probabilidad discreta suele representarse en forma
tabular.

Ejemplo del número de quejas de clientes

Con una distribución discreta, a diferencia de una distribución continua, usted

puede calcular la probabilidad de que X sea exactamente igual a algún valor. Por
ejemplo, puede utilizar la distribución discreta de Poisson para describir el número de
quejas de clientes en un día. Supongamos que el número promedio de quejas por día
es 10 y usted desea saber la probabilidad de recibir 5, 10 y 15 quejas de clientes en un
día.

x P (X = x)
5 0.037833
10 0.12511
15 0.034718

Usted también puede visualizar una distribución discreta en una gráfica de

distribución para ver las probabilidades entre los rangos.

Las barras sombreadas en este ejemplo representan el número de ocurrencias

Gráfica de distribución del número de quejas de clientes
cuando las quejas diarias de los clientes son 15 o más. La altura de las barras suma

14
0.08346; por lo tanto, la probabilidad de que el número de llamadas por día sea 15 o
más es 8.35%.

FUNCIÓN DE DENSIDAD CONJUNTA, MARGINAL, CONDICIONAL Y

VALOR ESPERADO CONDICIONAL

En probabilidad, dados dos eventos aleatorios X y Y, la distribución conjunta

de X e Y es la distribución de probabilidad de la intersección de eventos de X e Y,
esto es, de los eventos X e Y ocurriendo de forma simultánea. En el caso de solo dos
variables aleatorias se denomina una distribución invariada, pero el concepto se
generaliza a cualquier número de eventos o variables aleatorias.

Definición: Si X1, X2, X3…Xn son variables aleatorias definidas sobre el

mismo espacio muestral, dichas variables aleatorias reciben el nombre de variables
aleatorias conjuntas.

En particular si se tienen dos variables X y Y, su función de probabilidad

conjunta es: f(x,y)= P(X,Y)= P(X=x ∩ Y=y); probabilidad de que al mismo tiempo se
presenten los dos valores.

Probabilidad condicional y marginal

Cuando X y Y son v.a. continuas, f(x,y) es una superficie sobre un plano xy,
entonces:

15
 Variables aleatorias conjuntas continuas

Dos o más variables aleatorias conjuntas son continuas, si de manera

individual, cada una de las variables consideradas es continua. La probabilidad de que
el par (x,y) de v.a. continuas se sitúe en un conjunto A bidimensional se obtiene
integrando una función llamada función de densidad conjunta.

Cuando X y Y son v.a. continuas, f(x,y) es una superficie sobre un plano xy,
entonces:

Funciones de densidad marginal

Si X y Y son dos v.a. conjuntas continuas, entonces se define: La función de

densidad marginal de X (función de densidad de X al margen de Y) como:

La función de densidad marginal de Y (función de densidad de Y al margen

de X) como:

Funciones de densidad condicional

La función de densidad condicional de X dado que Y=y0 es:

La función de densidad condicional de Y dado que X=x0 es:

VARIABLES ALEATORIAS INDEPENDIENTES

16
 El comportamiento de las variables aleatorias puede modificar el
comportamiento probabilístico de la otra variable, esto sólo sucede si las variables
conjuntas son dependientes.

Definición: Si X y Y son v.a. conjuntas, se dice que son independientes si y

solo si:

Valor esperado de una función de dos variables aleatorias

Definición: Si X y Y son variables aleatorias conjuntas con función de

probabilidad o de densidad conjunta f(x,y) y si g(x,y) es una función de dichas
variables aleatorias, entonces el valor esperado de g(x,y) es:

Valor esperado condicional

Si para dos v.a. conjuntas (X,Y), se conoce con certeza el valor que tomará Y,
el mejor pronóstico del valor que tomará X, es el valor esperado de X a partir de su
distribución condicional correspondiente. Es decir, si se sabe que Y=y0, el valor
pronosticado para X es:

Medidas de dispersión de variables aleatorias conjuntas

Covarianza: La covariancia indica en promedio, que tanto se alejan

conjuntamente los valores de sus medias respectivas. Se define como:

Correlación:

17
 X y Y son ortogonales si R_XY=0

Covarianza: Es una cantidad adimensional que mide la asociación lineal entre

las dos variables aleatorias.

Se denota por ρ, y es igual a:

Propiedades:
1. Si X e Y son variables aleatorias independientes, entonces ρ=0.
2. Para cualquier par de variables conjuntas -1≤ ρ ≤ 1.

La independencia de v.a. implica no correlación lineal Cov=0, ρ=0.

La no correlación lineal no implica independencia.

Varianza de la suma de dos o más variables aleatorias

ESPERANZA MATEMÁTICA DE FUNCIONES DE VARIAS

VARIABLES ALEATORIAS.

En estadística la esperanza matemática (también llamada esperanza, valor

esperado, media poblacional o media) de una variable aleatoria X , es el número E
[X] o E[X] que formaliza la idea de valor medio de un fenómeno aleatorio. Es un
concepto análogo a la media aritmética de un conjunto de datos. 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 promedio que se "espera" como resultado de un experimento

18
aleatorio cuando la probabilidad de cada suceso se mantiene constante y el
experimento se repite un elevado número de veces. Cabe decir que el valor que toma
la esperanza matemática en algunos casos puede no ser "esperado" en el sentido más
general de la palabra (el valor de la esperanza puede ser improbable o incluso
imposible).

Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6 caras

es 3,5. Podemos hacer el cálculo

y cabe destacar que 3,5 no es un valor posible al tirar el dado. En este caso, en
el que todos los sucesos son de igual probabilidad, la esperanza es igual a la media
aritmética. Una aplicación común de la esperanza matemática es en las apuestas o los
juegos de azar. Por ejemplo, la ruleta francesa tiene 37 casillas equiprobables. La
ganancia para acertar una apuesta a un solo número paga de 35 a 1 (es decir,
cobramos 35 veces lo que hemos apostado). Por tanto, considerando los 37 posibles
resultados, la esperanza matemática del beneficio para apostar a un solo número es:

que es aproximadamente -0,027027. Por lo tanto uno esperaría, en media,

perder unos 2,7 céntimos por cada euro que apuesta, y el valor esperado para apostar
1 euro son 0.97273 euros. En el mundo de las apuestas, un juego donde el beneficio
esperado es cero (no ganamos ni perdemos) se llama un "juego justo".

Nota: El primer término es la "esperanza" de perder la apuesta de 1€, por eso

el valor es negativo. El segundo término es la esperanza matemática de ganar los 35€.
La esperanza matemática del beneficio es el valor esperado a ganar menos el valor
esperado a perder.

19
 Definición: Para una variable aleatoria discreta con valores posibles y
sus probabilidades representadas por la función de probabilidad P (Χ) la esperanza se
calcula como ejemplo:

Para una variable aleatoria absolutamente continua, la esperanza se calcula

mediante la integral de todos los valores y la función de densidad f(x):

La definición general de esperanza se basa, como toda la teoría de la

probabilidad, en el marco de la teoría de la medida y se define como la siguiente
integral:

La esperanza también se suele simbolizar con μ=E [X]

k
Las esperanzas E [X ] para K= 1,2,3…… se llaman momentos de orden (K)
Más importantes son los momentos centrados No todas las
variables aleatorias tienen un valor esperado. Por ejemplo, la distribución de Cauchy
no lo tiene.

Propiedades

Si X es siempre positiva, entonces siempre lo es E(X).

La esperanza matemática de una constante es igual a esa misma constante, es

decir, si c es una constante, entonces E [c]=c

Si X está delimitada por dos números reales, a y b, tal que: a < X < b,
entonces también lo está su media: a < E [X]<b

Linealidad. Si existe E(X) y se considera Y=a+bX entonces E (Y)

=E(a+bX)=a+bE (X)

Linealidad

20
 La esperanza es un operador lineal, ya que si X e Y son independientes Por
ende:

Donde X e Y son variables aleatorias y a y b son dos constantes cualesquiera.

Nótese que (*) es válido incluso si X no es independiente de Y.

21
 CONCLUSIÓN

La estadística dentro de la ciencia matemática es de gran utilidad y un aporte

muy importante para el uso y desenvolvimiento de los profesionales que la utilizan en
sus actividades diarias, es por esa razón que se debe estudiar y conocer con mayor
profundidad y énfasis para tener un buen uso de la estadística en su proceso diario.
Los contenidos básicos de la estadística son principales para llegar a tener un manejo
adecuado y un conocimiento eficaz para tener una idea apropiada y poder aplicarla en
cualquier ámbito de la vida profesional. Esto debido a que la estadística es el estudio
de los modos de recolectar y analizar datos con el fin de establecer conclusiones
acerca del medio del cual se han obtenido los datos. a es la ciencia que trata sobre la
toma, organización recopilación, presentación y análisis de datos para deducir
conclusiones sobre ellos y para tomar decisiones que estén de acuerdo con los análisis
efectuados.
De acuerdo a este razonamiento se puede concluir que una variable aleatoria
es un valor numérico que corresponde al resultado de un experimento aleatorio, como
por ejemplo el número de caras que se obtienen al lanzar 4 veces una moneda, el
número de lanzamientos de un dado hasta que aparece el seis, el número de llamadas
que se reciben en un teléfono en una hora, el tiempo de espera a que llegue un
autobús. Igualmente que las variables aleatorias, como las estadísticas, pueden ser
discretas o continuas. Por otra parte las variables aleatorias permiten definir la
probabilidad como una función numérica en lugar de como una función de un
conjunto dado.
Es importante señalar que las distribuciones de probabilidad pueden basarse en
consideraciones teóricas o en una estimación subjetiva de la posibilidad. Se pueden
basar también en la experiencia. Así mismo Una distribución de probabilidad para
una variable aleatoria discreta es un listado mutuamente excluyente de todos los
resultados posibles para esa variable aleatoria, tal que una probabilidad particular de
ocurrencia esté asociada con cada resultado. La media de una distribución de
probabilidad es el valor esperado de su variable aleatoria.

22
 REFERENCIAS BIBLIOGRÁFICAS

Distribución de probabilidad continúa [Documento en línea] disponible en

https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad_continua
Consultado 08-10-2020
Función de densidad de probabilidad, Portal Wikipedia [Documento en línea]
disponibleenhttps://es.wikipedia.org/wiki/Funci
%C3%B3n_de_densidad_de_probabilidad#:~:text=En%20la%20teor%C3%ADa
%20de%20la,variable%20aleatoria%20tomar%C3%A1%20determinado%20valor.
Consultado 09-10-2020
Gómez José. Variable Aleatoria, [Documento en línea] disponible en
VAleatoria/Valeatoria.htm#:~:text=En%20otras%20palabras%20se
%20llama,funci%C3%B3n%20de%20distribuci%C3%B3n%20de%20X.
consultado 08-10-2020
López Neyra, Departamento de Matemáticas Córdoba. [Documento en línea]
disponibleenhttp://www.juntadeandalucia.es/averroes/centrostic/14002996/
helvia/aula/archivos/repositorio/250/295/html/estadistica :consultado 08-10-
2020
Matemática, física y más, block educativo. [Documento en línea] disponible en
https://matemovil.com/funcion-de-probabilidad-de-una-variable-aleatoria-discreta/
consultado 08-10-2020

Portafolio estudiantil de Probabilidad y Estadística, Esperanza matemática Portal

Wikipedia [Documento en línea] disponible
enhttps://es.wikipedia.org/wiki/Esperanza_matem%C3%A1tica Consultado 08-10-
2020

Variable aleatoria block educativo. [Documento en línea] disponible en

continuahttp://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/
Capitulo2/B0C2m1t9.htm#:~:text=Una%20variable%20aleatoria%20X%20es,de
%20tiempo%2C%20%C3%A1reas%2C%20etc. Consultado 09-10-2020

Variables aleatorias, block educativo: [Documento en línea] disponible en

https://es.wikiversity.org/wiki/Variable_aleatoria_discreta#:~:text=Se%20denomina
%20variable%20aleatoria%20discreta,%2C75%20%C3%B3%205%2C87.
Consultado 08-10-2020

Variables aleatorias independientes block educativo: [Documento en línea]

disponibleenhttps://es.wikipedia.org/wiki/Variables_aleatorias_independientes_e_id
%C3%A9nticamente_distribuidas Consultado 08-10-2020

23