UNIVERSIDAD LAICA ELOY ALFARO DE MANABI

FACULTAD DE CIENCIAS INFORMATICAS

CARRERA:
INGENIERÍA EN SISTEMAS

MATERIA:
PROBABILIDAD Y ESTADISTICAS

INTEGRANTES: GRUPO #9

ESPINALES FIGUEROA JAVIER RONALDO

SOLORZANO PALMA ALISSON TATIANA
ROSALES ORDOÑEZ EDISON DAVID

QUINTO NIVEL PARALELO:

“B”

TEMA: TRABAJO 3.1

“VARIABLE ALEATORIA”

DOCENTE:
EC. SAÚL ALBERTO MURILLO NEVÁREZ

PERÍODO ACADÉMICO: SEGUNDO SEMESTRE 2019

Manta - Manabí – Ecuador
Contenido
1. INTRODUCCIÓN ...................................................................................................................... 3
2. MARCO TEÓRICO .................................................................................................................. 4
2.1. Variables Aleatorias....................................................................................................... 4
2.1.1. Variable Aleatoria Discreta .................................................................................. 6
2.1.2. Variable Aleatoria Continua ................................................................................. 6
CONCLUSIONES............................................................................................................................. 8
BIBLIOGRAFÍA ................................................................................................................................ 8
1. INTRODUCCIÓN

El presente informe se encuentra enfocado en presentar una síntesis acerca de las

variables aleatorias.
En cualquier experimento aleatorio, los resultados se presentan al azar, así, a éste
se le denomina variable aleatoria. Por ejemplo, lanzar un dado constituye un
experimento: puede ocurrir cualquiera de los seis posibles resultados. Algunos
experimentos dan origen a resultados de índole cuantitativa como dólares, peso o
numero de niños, otros generan resultados de naturaleza cualitativa como el color
o la afiliación religiosa. Cada valor de la variable aleatoria se relaciona con una
probabilidad que indica la posibilidad de un resultado determinado.
Toda variable aleatoria posee una distribución de probabilidad que describe su
comportamiento. Si la variable es discreta, es decir, si toma valores aislados dentro
de un intervalo, su distribución de probabilidad especifica todos los valores posibles
de la variable junto con la probabilidad de que cada uno ocurra.
También se presentarán ejemplos con su respectiva solución para poder analizar
las variables aleatorias y saber cómo se aplican estos a nuestra vida cotidiana.
2. MARCO TEÓRICO

2.1. Variables Aleatorias

“Es la cantidad que resulta de un experimento que, por azar, puede adoptar
diferentes valores.”

Lind, D. A., Marchal, W. G., & Wathen, S. A. (2012).

“Una variable aleatoria es una función medible cuyo dominio es el espacio muestral
y cuyo codominio es igual a los números reales. Esta función se llama variable
porque puede tomar diferentes valores, y se llama también aleatoria porque los
valores que toma son al azar, y es medible porque se le puede calcular su
probabilidad (la idea de medible tiene un significado relacionado con el concepto de
espacio de probabilidad y sigmas álgebras, cuyo estudio formal sale del alcance de
este texto).”
Quevedo, Urías, Héctor Adolfo, and Salvador, Blanca Rosa Pérez. (2014)

“Definir una variable aleatoria en un experimento aleatorio consiste en asociar un

valor numérico a cada suceso elemental del experimento. Interesa
fundamentalmente asignar probabilidades a dichos valores numéricos.

Formalmente, dados un experimento aleatorio ε, un espacio muestral Ω, una familia

de sucesos en Ω con una probabilidad P, diremos que una función

X: Ω→ R, es una variable aleatoria si

X-1(-∞ , x ] = { ω ∈ Ω : X ( ω ) ≤ x } es un suceso

Esta definición asegura que sea posible realizar cálculos de probabilidades sobre
sucesos definidos en R a partir de valores de las variables aleatorias. ¡No
utilizaremos esta definición en forma explícita en lo que sigue!

En ocasiones los sucesos elementales de un experimento aleatorio son números,

en esta situación esos números coinciden con el valor de una variable aleatoria.”

Dra. Diana M. (2016)

EJEMPLO:

Ejemplo 1

ε = se arroja un dado y se observa el resultado de la tirada

Ω = {1,2,3,4,5 ,6}

Sucesos = cualquier subconjunto de Ω

X: Ω→ R la función identidad

Valores posibles de X = {1,2,3,4,5 ,6} = RX

Para un dado que no está cargado asignamos equiprobabilidad a los valores

posibles de la variable aleatoria

X: P(X=1) = P(X=2) = P(X=3) = P(X=4) = P(X=5) = P(X=6) = 1/6

Ejemplo 2

ε = se elige un individuo al azar de una población y se registra cuantos años

completó de la escuela secundaria

Ω = {0,1,2,3,4,5 }

Sucesos = cualquier subconjunto de Ω

X: Ω→ R la función identidad

Valores posibles de X = {0, 1,2,3,4,5} = RX

¿En qué casos es razonable asignar equiprobabilidad a los valores posibles de la

variable aleatoria X?

Muchas veces los sucesos elementales de un experimento aleatorio son vectores,

en esta situación podemos definir una o más variables aleatorias en dicho
experimento y asignar probabilidades a sus valores.

Una variable aleatoria puede ser discreta o continua.

 2.1.1. Variable Aleatoria Discreta
“Una variable aleatoria discreta adopta solo cierto número de valores separados. Si
hay 100 empleados, el recuento de la cantidad de ausentes el lunes solo puede ser
0, 1, 2, 3, …., 100. Una variable discreta suele ser resultado de contar algo.”

Lind, D. A., Marchal, W. G., & Wathen, S. A. (2012)

Si el conjunto de resultados posibles, RX, es finito ó infinito numerable, decimos que

X es una v.a. discreta.

Sea X una v.a. discreta. Indicaremos por RX={xi, i ∈ Naturales} al conjunto de todos
sus valores posibles. Un modelo de probabilidad para X está dado por la asignación
de probabilidades, pi, a estos resultados,

P(X=xi) = pX(xi) =pi .

Las probabilidades deben satisfacer

1. 0 ≤ pi ≤ 1

2. Σ pi =1

La probabilidad P(X esté en A) de cualquier suceso se calcula sumando las pi de

los resultados que componen A.

Los valores pi determinan la distribución de probabilidades de la v.a. X mediante la

función de probabilidad puntual (f.p.p. pX) que asigna a cada xi una probabilidad pi.

2.1.2. Variable Aleatoria Continua

Una variable aleatoria es continua cuando el conjunto de sus valores posibles son
todos los valores de un intervalo o de una unión de intervalos de números reales.
Por ejemplo, la concentración de cromo en el Riachuelo es una variable aleatoria
continua.

La distribución de una variable aleatoria continua se describe mediante la función

de densidad de probabilidad, ó simplemente función de densidad fX .

La función de densidad, fX, de una variable aleatoria X satisface:

1. fX (x) ≥ 0 Estadística (Q)

2. ∫ fX (x) dx = 1

3. P(X ∈ A) = ∫A fX (x) dx

Si X es una v.a. continua cualquiera. ¿Cuánto vale la probabilidad de que X = 160?

¿Por qué?

Dra. Diana M. (2016)

 CONCLUSIONES

Se determinó las diferencias entre los dos tipos de distribuciones de probabilidades

discretas y continuas, donde se encontró que la distribución continua permite
describir las probabilidades de los posibles valores de una variable aleatoria
continua y siendo la distribución discreta la que permite describir la probabilidad
de ocurrencia de cada valor de una variable aleatoria discreta por lo que una
variable aleatoria discreta es una variable aleatoria que tiene valores contables,
tales como una lista de enteros no negativos.

BIBLIOGRAFÍA
Quevedo, U. H. A., & Pérez, S. B. R. (2014). Estadística para ingeniería y ciencias.
Retrieved from https://ebookcentral.proquest.com pag,3, 4 y 5
Lind, D. A., Marchal, W. G., & Wathen, S. A. (2012). Estadística aplicada a los
negocios y la economía (15a. ed.). Retrieved from
https://ebookcentral.proquest.com
Dra. Diana M. Kelmansky, Estadística Q. FCEN-UBA. Retrieved from
https://www.dm.uba.ar/materias/estadistica_Q/2010/2/C04Variables%20Aleatorias.
pdf