Variable aleatoria

Una variable aleatoria es una función que asigna un valor numérico, al resultado de un experimento
aleatorio. Recordemos que el resultado de un experimento aleatorio depende del azar. Veamos los
ejemplos.
Ejemplo de variable aleatoria
Tenemos una moneda que en sus caras tiene por un lado un gato y por el otro, un perro.

Vamos a realizar un experimento aleatorio que consiste en lanzar 2 monedas. Colocaremos los
resultados en el siguiente gráfico:

Definimos nuestra variable aleatoria X:

X = número de perros.

Ten en cuenta que la variable aleatoria siempre va con letras mayúsculas (en este caso X), mientras
que los valores de su rango siempre con letras minúsculas (en este caso x1  , x2 , x3).
Los valores del rango de esta variable aleatoria son:
x1 = 0
x2 = 1
x3 = 2
En el dominio de la función tenemos el espacio muestral, es decir, todos los resultados posibles de
nuestro experimento aleatorio. Mientras que el rango tenemos un conjunto de números reales.
Variable aleatoria discreta
Una variable aleatoria discreta es aquella que puede asumir un número contable de valores. 
Por ejemplo, si realizamos el experimento de salir a calle y seleccionar 10 personas al azar para un
examen sorpresa de matemáticas, podemos definir la variable aleatoria A:
A = número de personas que aprobaron el examen. 
Los valores que asume A (en su rango), van del 0 al 10 (0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10). El rango lo
expresaríamos de la siguiente manera:
RA = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
La variable aleatoria A asume un número contable de valores, por ello, es una variable aleatoria
discreta. 
Otro ejemplo, vamos a realizar el experimento de registrar los automóviles a una caseta de peaje.
Podemos definir la variable aleatoria V:
V = número de vehículos que llegan durante el periodo de un día. 
Los valores que asume V (en su rango), son 0, 1, 2, 3, 4, 5, …; así sean muchos vehículos los que
llegan, siempre podremos contar la cantidad de valores que asume V. Por ello, la variable V es una
variable aleatoria discreta. 
Variable aleatoria continúa
Una variable aleatoria continua, es aquella que puede asumir un número incontable de valores.
Por ejemplo, si realizamos el experimento de ir a mi granja y estudiamos las características de las
vaquitas, podemos definir la variable aleatoria C:
B = peso de una vaca en la granja de Jorge (en kilogramos).
Alguna vaquita puede pesar 425,1872 kg; otra puede pesar 612,5874541 kg; otra puede pesar
545,897512121 kg. Si tomamos más vacas, podríamos tener más valores y nunca terminaríamos. 
Se conoce que el becerro más pequeño tiene un peso de 30 kg, y la vaca más grande tiene un peso
de 1000 kg.

Y así, tendríamos un número incontable de valores para el rango de esta variable. El rango de esta
variable puede ser cualquier valor dentro del intervalo que va desde 30 kg hasta 1000 kg. 
Por ello, se trata de una variable aleatoria continua. 
Otro ejemplo, si vamos a una agencia del banco y registramos los datos de atención a los clientes,
podemos definir la variable aleatoria D:
D = tiempo de atención a los clientes del banco (en segundos).
Un cliente puede ser atentido en 24,123 s; otro cliente en 72,32142 s; otro en 51,123123 s. Si
seguimos tomando más clientes, tendríamos más valores. Se conoce además que el tiempo mínimo
de atención en ventanilla es de 1 s y el tiempo máximo es de 240 s.
Y así, tendríamos un número incontable de valores para el rango de esta variable. El rango de esta
variable puede ser cualquier valor dentro del intervalo que va desde 1 s hasta 240 s. Por ello, se
trata de una variable aleatoria continua. 
En general, las variables aleatorias discretas representan datos que provienen del conteo del
número de elementos, mientras que, las variables aleatorias continuas representan datos que
provienen de mediciones, por ejemplo, tiempo, peso, longitud, etc. 

Distribución de probabilidad
Es aquella que permite establecer toda la gama de resultados probables de ocurrir en un
experimento determinado. Es decir, describe la probabilidad de que un evento se realice en el futuro.
La distribución de probabilidad es una herramienta fundamental para la prospectiva, puesto que con
ella es posible diseñar un escenario de acontecimientos futuros considerando las tendencias
actuales de diversos fenómenos.
Las características más importantes a considerar en una distribución de probabilidad son:
La probabilidad de un resultado específico está entre cero y uno.
La suma de las probabilidades de todos los resultados mutuamente excluyentes es 1.
Toda distribución de probabilidad se genera por una variable (debido a que puede tomar diferentes
valores) aleatoria x (porque el valor que se toma es completamente al azar), y puede ser de dos
tipos:
¿Qué es la función de distribución acumulada (CDF)?
La función de distribución acumulada (CDF) calcula la probabilidad acumulada de un valor dado de
x. Utilice la CDF para determinar la probabilidad de que una observación aleatoria que se toma de la
población sea menor que o igual a cierto valor. También puede usar esta información para
determinar la probabilidad de que una observación sea mayor que cierto valor o se encuentre entre
dos valores.
Esperanza matemática o valor esperado
El valor esperado de una variable aleatoria X es el promedio ponderado de todos los valores
posibles.
La esperanza matemática o valor esperado de una variable aleatoria se origina en los juegos de
azar, debido a que los apostadores deseaban saber su esperanza de ganar repetidamente un juego.
Por lo tanto, el valor esperado representa la cantidad de dinero promedio que el jugador está
dispuesto a ganar o perder después de un número grande de apuestas. 
La esperanza matemática o valor esperado de una variable aleatoria discreta es la suma del
producto de la probabilidad de cada suceso por el valor de dicho suceso.

Los nombre de esperanza matemática y valor esperado tienen su origen en los juegos de azar y

hacen referencia a la ganancia promedio esperada por un jugador cuando hace un gran número de
apuestas.
Si la esperanza matemática es cero, E(x) = 0, el juego es equitativo, es decir, no existe ventaja ni
para el jugador ni para la banca.
Ejemplos
Si una persona compra una papeleta en una rifa, en la que puede ganar de 5.000 € ó un segundo
premio de 2000 € con probabilidades de: 0.001 y 0.003. ¿Cuál sería el precio justo a pagar por la
papeleta?
E(x) = 5000 · 0.001 + 2000 · 0.003 = 11 €
Un jugador lanza dos monedas. Gana 1 ó 2 € si aparecen una o dos caras. Por otra parte pierde 5 €
si no aparece cara. Determinar la esperanza matemática del juego y si éste es favorable.
E = {(c,c);(c,x);(x,c);(x,x)}
p(+1) = 2/4
p(+2) = 1/4
p(−5) = 1/4
E(x)= 1 · 2/4 + 2 · 1/4 - 5 · 1/4 = −1/4. Es desfavorable
La varianza
Es una medida de dispersión que representa la variabilidad de una serie de datos respecto a su
media. Formalmente se calcula como la suma de los residuos al cuadrado divididos entre el total de
observaciones.
Fórmula para calcular la varianza
La unidad de medida de la varianza será siempre la unidad de medida correspondiente a los datos
pero elevada al cuadrado. La varianza siempre es mayor o igual que cero. Al elevarse los residuos al
cuadrado es matemáticamente imposible que la varianza salga negativa. Y de esa forma no puede
ser menor que cero.

Donde
X: variable sobre la que se pretenden calcular la varianza
xi: observación número i de la variable X. i puede tomará valores entre 1 y n.
n: número de observaciones.
x̄: Es la media de la variable X.
O lo que es lo mismo:

Desviación
Es una medida de la diferencia entre el valor observado de una variable y algún otro valor, a menudo
la media de esa variable. El signo de la desviación informa del sentido de esa diferencia (la
desviación es positiva cuando el valor observado excede el valor de referencia). La magnitud del
valor indica el tamaño de la diferencia.
Las estadísticas de la distribución de desviaciones se utilizan como medidas de dispersión.
Desviación típica: es la medida de dispersión utilizada con más frecuencia: utiliza desviaciones
de cuadráticas y tiene propiedades deseables, pero no es robusta.
Desviación media: es la suma de los valores absolutos de las desviaciones dividida por el número de
observaciones.
Desviación absoluta mediana: es una indicador estadístico robusto que usa las desviaciones
absolutas respecto a la mediana (no respecto a la media).
Máxima desviación absoluta: es una medida muy poco robusta, que utiliza la desviación absoluta
máxima.
Mediana
Es un conjunto es un valor que se encuentra a la mitad de los otros valores, es decir, que al ordenar
los número de menor a mayor, éste se encuentra justamente en medio entre los que están por
arriba.
Algunas características de la media son:
Las operaciones para calcular el valor son muy sencillas de realizar.
La medida no depende de los valores de las variables, solamente de su orden.
Generalmente, los valores son enteros.
Se puede calcular aunque los números que se encuentren arriba y abajo no tengan límites.  
Ejemplo de Mediana
La cantidad de valores es impar
Si se tienen los valores: 9,5,4,2,7, se ordenan: 2, 4, 5, 7, 9. El elemento de en medio es el 5, ya que
se encuentra dos valores por encima y dos valores por debajo.
La cantidad de valores es par
Si se tienen los valores 9,5,4,2, se ordenan: 2,4,5,9. En este caso se toman los dos valores
centrales 5 y 4, la mediana es el promedio de ambos: 9
Moda
La moda es el valor que aparece más dentro de un conglomerado. En un grupo puede haber dos
modas y se conoce como bimodal, y más de dos modas o multimodal cuando se repiten más de dos
valores; se llama amodal cuando en un conglomerado no se repiten los valores.
Por último, se conoce como moda adyacente cuando dos valores continuos tienen la misma cantidad
de repeticiones. En este caso se saca el promedio de ambos.
Las principales características de la moda son:
Es una muestra muy clara
Las operaciones para determinar el resultado son muy fáciles de elaborar
Los valores que se presentan pueden ser cualitativos y cuantitativos
Ejemplo de Moda