Profesora: Nidia Quintero Peña

Julio 2019
MODELOS CONTINUOS Y
DISCRETOS
El modelo es discreto si solo es de interés conocer los
valores de salida en un conjunto discreto (de cardinal
finito o numerable).
El modelo es continuo si se quiere conocer los valores de
salida en todos los instantes o espacios de un intervalo.

Nota: Los modelos que se implementan en un computador

son necesariamente discretos. Si el modelo a implementar
es continuo, lo que se hace en el computador son
discretizaciones.
MODELOS CONTINUOS Y
DISCRETOS
Debido a que muchos sistemas físicos son modelados a
partir de experimentos aleatorios, y variables aleatorias,
es interesante observar que ésta puede ser discreta o
continua tanto para simulación como para adquisición de
datos.

x h(t) ó h[n] y

𝝐
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Variable aleatoria (recordar)
Se considera así a una medida que contiene variabilidad.
Generalmente, se representa matemáticamente usando
el modelo:
𝑋 =𝜇+𝜖

𝜇: constante
𝜖: perturbación aleatoria

Mientras 𝜇 permanece igual, 𝜖 se debe a los pequeños

cambios dados por el ambiente, el equipo, entre otros.
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Variable aleatoria: Una variable aleatoria es una función
que asigna un número real para cada resultado en un
espacio muestral de un experimento aleatorio.
La notación de la variable aleatoria es una letra
mayúscula tal como 𝑋.

Cuando un experimento es realizado, el valor medido de

la variable aleatoria es dado por una letra minúscula tal
como 𝑥 = 5 𝑚𝐴
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Variable aleatoria discreta: Es una variable aleatoria con
un margen (o rango) finito (o infinito contable).

Variable aleatoria continua: Es una variable aleatoria

con un intervalo (finito o infinito) de números reales
para su margen (o rango).
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Ejemplos de variables aleatorias discretas: proporción
de partes defectuosas en un lote de 100 pruebas,
errores en la transmisión de bits en un sistema de
comunicaciones.

Ejemplos de variables aleatorias continuas: Corriente

eléctrica, longitud, presión, temperatura, velocidad,
tiempo, peso, tensión, etc.
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Ejemplo (discreto)
Un sistema de comunicación de voz para un negocio
contiene 48 líneas externas. En un caso particular, se
hace una observación del sistema y hay algunas líneas en
uso.
Si la variable aleatoria 𝑋 denota el número de líneas en
uso, entonces 𝑋 puede asumir cualquier valor entero
entre 0 y 48.
Cuando el sistema es observado, si 10 líneas son usadas,
𝑥 = 10.
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Distribución de probabilidad
La distribución de probabilidad de una variable
aleatoria 𝑋 es una descripción de las probabilidades
asociadas con los posibles valores de 𝑋.

Para una variable aleatoria discreta, la distribución es

frecuentemente especificada por solo una lista de
posibles valores a lo largo de la probabilidad de cada
uno.
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Distribución de probabilidad
Para una variable aleatoria continua, la distribución de
probabilidad es calculada a través de la función de
densidad de probabilidad 𝑓(𝑥).
Así, si en un intervalo es comúnmente contenido un
valor de 𝑋, su probabilidad es alta, y este corresponde a
altos valores para la función 𝑓(𝑥).
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Distribución de probabilidad
Ejemplos:

Discreto Continuo
[Tomado de Montgomery]
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Distribución de probabilidad
Definición. Para una variable aleatoria discreta 𝑋 con
posibles valores 𝑥1 , 𝑥2 , … , 𝑥𝑛 , una función de
probabilidad es una función tal que:
1. f 𝑥𝑖 ≥ 0
2. σ𝑛𝑖=1 f 𝑥𝑖 = 1
3. f 𝑥𝑖 = 𝑃(𝑋 = 𝑥𝑖 )

Dado el ejemplo anterior,

f 0 = 0.6561, 𝑓 1 = 0.2916, 𝑓 2 = 0.0486,
𝑓 3 = 0.0036 𝑦 𝑓 4 = 0.0001
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Distribución de probabilidad
Definición. Para una variable aleatoria continua 𝑋 una
función de densidad de probabilidad es una función tal
que:
1. f 𝑥 ≥ 0
∞
2. ‫׬‬−∞ f 𝑥 𝑑𝑥 = 1
𝑏
3. 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = ‫𝑓 𝑎׬‬
𝑥 𝑑𝑥
(área debajo de f 𝑥 desde 𝑎 hasta 𝑏 para cualquier a
y 𝑏.
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Distribución de probabilidad
Histograma.
Un histograma es una aproximación a la función de
densidad de probabilidad, el área de las barras es igual
a la frecuencia relativa (proporción) en el intervalo.
En el histograma, 𝐟 𝒙 es usado para calcular el área
que representa la probabilidad que 𝑋 asuma un valor en
𝑎, 𝑏 .

Tomado de Montgomery
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Distribución de probabilidad
Teniendo una variable aleatoria continua, es muy
probable que se encuentre que 𝑷 𝑿 = 𝒙 = 𝟎. Por lo
tanto:

Si 𝑋 es una variable aleatoria continua para algún 𝑥1 y

𝑥2 , entonces:
𝑃 𝑥1 ≤ 𝑋 ≤ 𝑥2 = 𝑃 𝑥1 < 𝑋 ≤ 𝑥2 =
𝑃 𝑥1 ≤ 𝑋 < 𝑥2 = 𝑃(𝑥1 < 𝑋 < 𝑥2 )
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Funciones de Probabilidad Acumulativa
Definición. La función de probabilidad acumulativa de
una variable aleatoria discreta 𝑋, denotada como F(𝑋)
es:

F 𝑥 = 𝑃 𝑋 ≤ 𝑥 = ෍ 𝑓(𝑥𝑖 )
𝑥𝑖 ≤𝑥

Para una variable aletoria 𝑋 , 𝐹 𝑋 satisface las

propiedades:
1. F 𝑥 = 𝑃 𝑋 ≤ 𝑥 = σ𝑥𝑖 ≤𝑥 𝑓(𝑥𝑖 )
2. 0 ≤ 𝐹 𝑋 ≤ 1
3. Si 𝑥 < 𝑦, entonces F 𝑋 ≤ 𝐹(𝑌)
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Funciones de Probabilidad Acumulativa
Ejemplo.
Determine la función de probabilidad de 𝑋 a partir de la
siguiente distribución de probabilidad acumulativa.
0 𝑥 < −3
0.25 −3 ≤ 𝑥 < −1
𝐹 𝑥 = 0.65 −1 ≤ 𝑥 < 1
0.85 1≤𝑥<3
1 3≤𝑥
Para poder encontrar la distribución, es necesario observar que
los puntos que no reciben probabilidad 0, son -3, 1 y 3 la
probabilidad de que estos ocurran será:
𝑓 −3 = 0.25 − 0 = 0.25; 𝑓 −1 = 0.65 − 0.25 = 0.4;
𝑓 1 = 0.85 − 0.65 = 0.2; 𝑓 3 = 1 − 0.85 = 0.15;
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
La media y la varianza. Estos dos son números que sirven
para medir el centro (o medio) y la dispersión (o
variabilidad) de una distribución de probabilidad para una
variable aleatoria 𝑋.
Para variables aleatorias discretas se tiene:
La media o valor esperado de una variable aleatoria
discreta X denotada como μ 𝑜 𝐸 𝑋 es:

μ = E 𝑋 = ෍ 𝑥𝑓(𝑥)
𝑥
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Para variables aleatorias discretas:
La varianza de X denotada como 𝜎 2 o V 𝑋 es:
𝜎 2 = V 𝑋 = 𝐸(𝑋 − 𝜇)2 = ෍(𝑥 − 𝜇)2 𝑓(𝑥)
𝑥
= ෍ 𝑥 2 𝑓 𝑥 − 𝜇2
𝑥

La desviación estándar de X es 𝜎 = 𝜎 2
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Para variables aleatorias continuas:
Si 𝐗 es una variable aleatoria continua con función de
densidad de probabilidad 𝑓 𝑥 .
La media o valor esperado de 𝑋 denotado como 𝜇 o
E 𝑋 es:
∞
μ = E 𝑋 = න 𝑥𝑓 𝑥 𝑑𝑥
−∞
La varianza de 𝑋denotada como 𝜎 2 o V 𝑋 es:
∞
𝜎 2 = V 𝑋 = ‫׬‬−∞ 𝑥 − 𝜇 2 𝑓 𝑥 𝑑𝑥 =
∞ 2
‫׬‬−∞ 𝑥 𝑓 𝑥 𝑑𝑥 − 𝜇2
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Ejemplo (discreto):
La probabilidad de transmitir un bit erróneamente en un
canal de comunicaciones. Se asume que 𝑋 es igual al
número de bits erróneos en los próximos cuatro
transmitidos. Los posibles valores de 𝑋 son: {0,1,2,3,4}.
Basados en un modelo para los errores, las
probabilidades son:
P 𝑋 = 0 = 0.6561, 𝑃 𝑋 = 1 = 0.2916, 𝑃 𝑋 = 2
= 0.0486, 𝑃 𝑋 = 3 = 0.0036 𝑦 𝑃 𝑋 = 4 = 0.0001
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Ejemplo (discreto):
μ = E 𝑋 = ෍ 𝑥𝑓(𝑥)
𝑥
= 0 ∗ 0.6561 + 1 ∗ 0.2916 + 2 ∗ 0.0486 + 3
∗ 0.0036 + 4 ∗ 0.0001 = 0.4

Para hallar la varianza:

4

𝜎 2 = V 𝑋 = ෍ 𝑓 𝑥𝑖 𝑥𝑖 − 0.4 2 = 0.36
𝑖=0
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Para hallar la varianza paso a paso (discreto):

𝒙 𝒙 − 𝟎. 𝟒 (𝒙 − 𝟎. 𝟒)𝟐 𝒇(𝒙) 𝒇(𝒙) ∗ (𝒙 − 𝟎. 𝟒)𝟐

0 -0,4 0,16 0,6561 0,104976

1 0,6 0,36 0,2916 0,104976

2 1,6 2,56 0,0486 0,124416

3 2,6 6,76 0,0036 0,024336

4 3,6 12,96 0,0001 0,001296

VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Ejemplo (continuo):
Una variable aleatoria continua 𝑋 denota la corriente medida en
un alambre de cobre delgado. Asuma el rango de 𝑋 es [0,20 𝑚𝐴] y
asuma que la función de densidad de probabilidad es 𝑓 𝑥 = 0.05
para 0 ≤ 𝑥 ≤ 20. ¿Cuál es la probabilidad que una corriente mida
menos de10 mA? ¿Cuál será su media?
10
P 𝑋 < 10 = න 𝑓 𝑥 𝑑𝑥 = 0.05 ∗ 10 = 0.5
0
20 0.05𝑥 2 20
μ=E 𝑋 = ‫׬‬0 𝑥𝑓 𝑥 𝑑𝑥 = |0
= 10. A su vez la varianza:
2
20
(𝑥 − 10) 3 20
𝜎 2 = V 𝑋 = න (𝑥 − 10)2 𝑓 𝑥 𝑑𝑥 = 0.05 ቝ
0 3 0
= 33.33
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
La moda. Es el valor con mayor frecuencia en una
distribución de datos.
El intervalo modal es el de mayor frecuencia absoluta. Cuando
tratamos con datos agrupados antes de definir la moda, se ha de
definir el intervalo modal.
La moda, cuando los datos están agrupados, es un punto que divide
al intervalo modal en dos partes de la forma 𝑝 y 𝑐 − 𝑝, siendo c la
amplitud del intervalo, que verifiquen que:
𝑝 𝑛𝑖 − 𝑛𝑖−1
=
𝑐 − 𝑝 𝑛𝑖 − 𝑛𝑖+1
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
La mediana
La mediana muestral es el valor medio cuando las observaciones
se ordenan de menor a mayor. Si las observaciones se denotan por
𝑥1 , 𝑥2 , … , 𝑥𝑛 , se emplea el símbolo 𝑥෤ para representar la mediana
muestral.
Definición:
La mediana muestral se obtiene al ordenar las n observaciones (o
muestras) de menor a mayor (incluso si hay valores repetidos) así:
𝑥 𝑛+1 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑜𝑠
2
𝑥෤ = 𝑥 𝑛 +𝑥 𝑛
2 2 +1
𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑜𝑠
2
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Valor esperado de una función de una variable
aleatoria discreta. Si 𝑋 es una variable aleatoria
discreta con función de probabilidad 𝑓(𝑥),
𝐸ℎ 𝑥 = ෍ ℎ 𝑥 𝑓(𝑥)
𝑥
Valor esperado de una función de una variable
aleatoria continua. Si 𝑋 es una variable aleatoria
continua con función de densidad de probabilidad
𝑓(𝑥),
∞
𝐸ℎ 𝑥 = න ℎ 𝑥 𝑓 𝑥 𝑑𝑥
−∞
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
En el ejemplo (discreto) anterior, 𝑋 es el número de bits en
error en los próximos cuatro transmitidos. ¿Cuál es el valor
esperado del cuadrado del número de bits en error? ℎ 𝑋 =
𝑋2
𝐸 ℎ(𝑋)
= 02 ∗ 0.6561 + 12 ∗ 0.2916 + 22 ∗ 0.0486 + 32 ∗ 0.0036 + 42
∗ 0.0001 = 0.52

NOTA: Es importante observar que no es lo mismo sumar

los cuadrados de la probabilidad que elevar al cuadrado la
media anteriormente calculada.
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
En el ejemplo (continuo) anterior, 𝑋 es la corriente
medida en mA. ¿Cuál es el valor esperado de la corriente
al cuadrado? ℎ 𝑋 = 𝑋 2
20
20 20
𝑥3
𝐸 ℎ(𝑋) = E 𝑋 = න 𝑥 2 𝑓 𝑥 𝑑𝑥 = න 𝑥 2 0.05𝑑𝑥 = 0.05 อ
0 0 3
0
= 133.33.

NOTA: Revisar en el valor esperado de una función

continuo y discreto las propiedades de linealidad