TECNOLOGICO DE ESTDIOS SUPERIORES DE
HUIXQUILUCAN
“ENSAYO SOBRE EL LAS VARIABLES ALEATRIAS
DISCRETAS Y CONTNUAS”
MATERIA:
PROBABILIDAD Y ESTADISTICA
CARRERA:
INGENIERIA EN SISTEMAS COMPUTACIONALES
PRESENTA:
C. DANIELA YARAZETH ORIBIO ACEVEDO
DOCENTE:
ANITA JUAN ROQUE
HUIXQUILUCAN ESTADO DE MEXICO, MAYO DE 2024
Introducción:
En el presente trabajo de investigación abordaremos diversos temas referentes a la probabilidad y la
estadística como son las variables aleatorias discretas y variables aleatorias discretas.
El estudio de la probabilidad y la estadística se basa en la comprensión de las variables aleatorias,
elementos fundamentales para modelar la incertidumbre y el azar en diversos fenómenos. Las
variables aleatorias son herramientas fundamentales en la teoría de la probabilidad y la estadística.
Se utilizan para representar el resultado incierto de un experimento aleatorio.
Entre estas variables, se encuentran las discretas y las continuas, cada una con características y
aplicaciones específicas. Este ensayo profundizará en el análisis de las variables aleatorias discretas
y continuas, explorando sus conceptos, propiedades, diferencias y aplicaciones en el ámbito de la
probabilidad y la estadística.
El propósito de este ensayo es cumplir con la tarea asignada por la profesora de clase, encargada
de impartir las clases de probabilidad y estadística, materia de el curso de clases adquirido.
Desarrollo:
Un concepto estadístico clave es el de variable aleatoria, que se entiende como el resultado
numérico de un experimento aleatorio y se la llama así porque justamente el resultado se desconoce
o, dicho en otras palabras, es el resultado del azar, son herramientas fundamentales en la teoría de
la probabilidad y la estadística. Se utilizan para representar el resultado incierto de un experimento
aleatorio.
En general, las variables aleatorias pueden clasificarse en dos tipos principales: discretas y
continuas.
* Variables aleatorias discretas: *
Las variables aleatorias discretas se caracterizan por asumir un conjunto finito o contable de valores
posibles. Imaginemos el lanzamiento de una moneda, donde la variable aleatoria "resultado" solo
puede tomar dos valores: cara o cruz. En este caso, la variable es discreta ya que solo hay un
número finito de resultados posibles.
Las variables aleatorias discretas se representan mediante una función de masa de probabilidad
(fmp), la cual asigna una probabilidad a cada uno de los valores posibles. Se utiliza para modelar
eventos aleatorios que solo pueden tomar un número contable de valores posibles. En otras
palabras, podemos enumerar todos los valores que la variable aleatoria puede tomar.
Tomando en cuenta el mismo ejemplo dado entes tenemos como resultado que en el caso de la
moneda, la fmp podría ser P(cara) = 0.5 y P(cruz) = 0.5, indicando que ambos resultados tienen la
misma probabilidad de ocurrir
Características principales:
Conjunto de valores: Las variables aleatorias discretas tienen un conjunto de valores finito o infinito
numerable. Esto significa que podemos enumerar todos los valores posibles que puede tomar la
variable. Por ejemplo, el número de caras que se obtienen al lanzar una moneda (0, 1) o el número
de defectos en una hoja de papel (0, 1, 2, 3, ...) son variables aleatorias discretas.
Función de probabilidad: La función de probabilidad de una variable aleatoria discreta asigna una
probabilidad a cada uno de los valores posibles de la variable. La suma de las probabilidades de
todos los valores posibles debe ser igual a 1. Se representa con la notación P(X = x), donde X es la
variable aleatoria, x es un valor específico y P() indica la probabilidad.
Función de distribución: La función de distribución de una variable aleatoria discreta acumula las
probabilidades de que la variable tome valores menores o iguales a un valor específico. Se
representa con la notación F(x) = P(X ≤ x). La función de distribución es una función no decreciente
que va de 0 a 1.
Histograma: Una forma gráfica de representar una variable aleatoria discreta es mediante un
histograma. En un histograma, cada barra representa la probabilidad de que la variable tome un
valor específico. La altura de cada barra es igual a la probabilidad de ese valor
Ejemplos:
El número de defectos en una hoja de papel (0, 1, 2, 3, ...)
La talla de una camiseta (S, M, L, XL)
El número de llamadas telefónicas que se reciben en una centralita en una hora
determinada (0, 1, 2, 3, ...)
Aplicaciones:
Control de calidad: Monitorear la calidad de productos y procesos, contando el número de
defectos o errores.
Juegos de azar: Analizar las probabilidades de ganar o perder en juegos como la lotería o
los dados.
Demografía: Estudiar la distribución de la población por edad, sexo, nivel educativo, etc.
Biología: Contar el número de células en una muestra de tejido o el número de mutaciones
en un gen.
* Variables aleatorias continuas: *
En contraste con las variables discretas, las variables aleatorias continuas pueden tomar cualquier
valor dentro de un intervalo determinado. Un ejemplo clásico es la altura de los estudiantes en una
clase. La altura puede tomar cualquier valor entre un rango mínimo y máximo, sin estar restringida a
un conjunto finito de valores.
Las variables aleatorias continuas se caracterizan por su función de densidad de probabilidad (fdp),
la cual describe la probabilidad de que la variable tome un valor específico dentro del intervalo. A
diferencia de la fmp, la fdp no asigna probabilidades individuales a cada valor, sino que representa la
probabilidad por unidad de medida.( no podemos enumerar todos los valores posibles que puede
tomar la variable)
Características:
Conjunto de valores: Las variables aleatorias continuas tienen un conjunto de valores incontable.
Esto significa que no podemos enumerar todos los valores posibles que puede tomar la variable. Por
ejemplo, la altura de una persona, el peso de un objeto o la duración de una llamada telefónica son
variables aleatorias continuas.
Función de densidad de probabilidad: La función de densidad de probabilidad de una variable
aleatoria continua describe la probabilidad de que la variable tome un valor dentro de un intervalo
infinitesimal. Se representa con la notación f(x), donde x es un valor específico de la variable. La
integral de la función de densidad de probabilidad sobre cualquier intervalo debe ser igual a 1.
Función de distribución: La función de distribución de una variable aleatoria continua acumula las
probabilidades de que la variable tome valores menores o iguales a un valor específico. Se
representa con la notación F(x) = P(X ≤ x). La función de distribución es una función no decreciente
que va de 0 a 1.
Representación gráfica: Una forma gráfica de representar una variable aleatoria continua es
mediante una gráfica de la función de densidad de probabilidad. La altura de la curva en un punto
específico representa la probabilidad de que la variable tome un valor cercano a ese punto.
Ejemplos:
La altura de una persona (en centímetros)
El peso de un objeto (en kilogramos)
La duración de una llamada telefónica (en segundos)
El tiempo que tarda una bacteria en morir después de exponerla a un antibiótico
Aplicaciones:
Ingeniería: Modelar el comportamiento de sistemas físicos, como la resistencia de un
material o la vida útil de una máquina.
Economía: Analizar la distribución de ingresos, precios o tasas de interés.
Ciencias naturales: Estudiar fenómenos como la altura de las estrellas, la duración de vida
de organismos o la cantidad de lluvia en una región.
Estadística inferencial: Realizar inferencias sobre poblaciones a partir de muestras,
utilizando técnicas como la estimación de parámetros o la prueba de hipótesis.
Diferencias entre variables aleatorias discretas y continuas:
La principal diferencia entre las variables aleatorias discretas y continuas radica en la naturaleza de
sus valores posibles. Las variables discretas solo pueden asumir un conjunto finito o contable de
valores, mientras que las variables continuas pueden tomar cualquier valor dentro de un intervalo.
Otra distinción importante se encuentra en la forma de representar la probabilidad. Las variables
discretas utilizan una función de masa de probabilidad (fmp) que asigna probabilidades individuales
a cada valor posible. En cambio, las variables continuas emplean una función de densidad de
probabilidad (fdp) que describe la probabilidad por unidad de medida.
Conclusiones:
Las variables aleatorias discretas y continuas son herramientas fundamentales en la probabilidad y
la estadística, permitiendo modelar la incertidumbre y el azar en diversos fenómenos. Su
comprensión y aplicación adecuada son esenciales para realizar análisis de datos, inferencias
estadísticas y toma de decisiones en contextos con información incompleta o aleatoria.
Se diferencian en el conjunto de valores posibles, la forma de asignar probabilidades y la
representación gráfica.
La elección entre una variable aleatoria discreta o continua depende del fenómeno que se está
modelando.
Ambos tipos de variables aleatorias tienen una amplia gama de aplicaciones en diversos campos.
En conclusión, las variables aleatorias discretas son herramientas valiosas para modelar eventos
aleatorios con un conjunto contable de valores posibles. Se caracterizan por su función de
probabilidad, función de distribución y representación gráfica mediante histogramas. Tienen
aplicaciones en diversos campos como el control de calidad, los juegos de azar, la demografía y la
biología.
Concluimos que las variables aleatorias continuas son herramientas útiles para modelar eventos
aleatorios con un conjunto incontable de valores dentro de un intervalo. Se caracterizan por su
función de densidad de probabilidad, función de distribución y representación gráfica mediante la
curva de densidad de probabilidad. Tienen aplicaciones en diversos campos como la ingeniería, la
economía, las ciencias naturales y la estadística inferencial.
Referencias:
* Ross, S. M. (2014). Introducción a la probabilidad y estadística para ingeniería y ciencias. México
D.F.: Pearson Educación.
* Walpole, R. E., Myers, R. H., & Ye, K. (2010). Probabilidad y estadística para ingeniería y ciencias.
México D.F.: Pearson Educación.
* Devore, J. L. (2013). Probabilidad y estadística para ingeniería y ciencias*. México D.F.: Cengage
Learning.
* Khan Academy. (n.d.). Variables aleatorias discretas y continuas. Recuperado de
[https://es.khanacademy.org/math/statistics-probability/random-variables-stats-library/random-
variables-discrete/v/discrete-and-continuous-random-variables](https://es.khanacademy.org/math/
statistics-probability/random-variables-stats-library/random-variables-discrete/v/discrete-and-
continuous-random-variables
