Codema

INTRODUCCIÓN

La varianza de una variable aleatoria es una característica numérica que proporciona una idea de la dispersión de la variable aleatoria respecto de su esperanza.

La 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, pude 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

Las variables aleatorias las podemos clasificar en discretas, si pueda tomar un número finito o infinito numerable de valores o continuas si dado un intervalo (a,b) la variable puede tomar todos los valores comprendidos entre a y b.

VARIABLE ALEATORIA

Formalmente, una variable aleatoria es una función, que asigna eventos (p.e., los posibles resultados de tirar un dado dos veces: (1, 1), (1, 2), etc.) a números reales (p.e., su suma). Una variable aleatoria o variable estocástica es una variable estadística cuyos valores se obtienen de mediciones en experimento aleatorio.

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 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.

Las variables aleatorias suelen tomar valores reales, pero se pueden considerar valores aleatorios como valores lógicos, funciones... 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).

VARIABLE ALEATORIA DISCRETA

Una v.a. es discreta si su recorrido es un conjunto discreto. La variable del ejemplo anterior es discreta. Sus probabilidades se recogen en la función de cuantía. (Véanse las distribuciones de variable discreta).

VARIABLE ALEATORIA CONTINUA

Es continua si su recorrido no es un conjunto numerable. Intuitivamente esto significa que el conjunto de posibles valores de la variable abarca todo un intervalo de números reales. Por ejemplo, la variable que asigna la estatura a una persona extraída de una determinada población es una variable continua ya que, teóricamente, todo valor entre, pongamos por caso, 0 y 2,50 m, es posible.6 (Véanse las distribuciones de variable continua).

La distribución de probabilidad de una v.a. X, también llamada función de distribución de X es la función , que asigna a cada evento definido sobre una probabilidad dada por la siguiente expresión:

Y de manera que se cumplan las siguientes tres condiciones:

y

Es continua por la derecha.

Es monótona no decreciente.

La distribución de probabilidad de una v.a. describe teóricamente la forma en que varían los resultados de un experimento aleatorio. Intuitivamente se trataría de una lista de los resultados posibles de un experimento con las probabilidades que se esperarían ver asociadas con cada resultado.

La función de densidad de probabilidad (FDP) o, simplemente, función de densidad, representada comúnmente como f(x), se utiliza con el propósito de conocer cómo se distribuyen las probabilidades de un suceso o evento, en relación al resultado del suceso.

La FDP es la derivada (ordinaria o en el sentido de las distribuciones) de la función de distribución de probabilidad F(x), o de manera inversa, la función de distribución es la integral de la función de densidad:

La función de densidad de una v.a. determina la concentración de probabilidad alrededor de los valores de una variable aleatoria continua.

Funciones de variables aleatorias

Sea una variable aleatoria sobre y una función medible de Borel , entonces será también una variable aleatoria sobre , dado que la composición de funciones medibles también es medible a no ser que sea una función medible de Lebesgue. El mismo procedimiento que permite ir de un espacio de probabilidad a puede ser utilizado para obtener la distribución de . La función de probabilidad acumulada de es

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

VARIABLE ALEATORIA DISCRETA

En la teoría de probabilidades no siempre es indispensable conocer los elementos del espacio muestral, sino tener todos los puntos muestrales representados por cantidades que indiquen cierta propiedad del espacio muestral, de forma que a cada punto muestral le corresponda

...