Estadìstica:

¿Qué es variable?

Una variable refiere, en una primer instancia, a cosas que son susceptibles de ser
modificadas (de variar), de cambiar en función de algún motivo determinado o
indeterminado.

En la matemática también se utilizan las variables: están presentes en fórmulas,

proposiciones y algoritmos. También se ve la idea de variables independientes y
dependientes, destacándose las funciones matemáticas que permiten la conformación de
gráficos de dos o más ejes: la relación entre esos dos ejes viene dada por una función en la
que uno de los dos es variable en función del otro, que es invariable (Y es igual a la mitad de
X, tiene a Y como variable dependiente y a X como independiente).

En la estadística se utiliza también la variable en el sentido matemático, encarada

desde la misma perspectiva: al ser medida en diferentes casos adopta distintos valores. Una
clasificación interna divide a las variables estadísticas según expresen cantidades
numéricas (variables cuantitativas o continuas) o expresen características, cualidades o
modos de comportamiento (variables cualitativas o discretas).

Variable estadística

Una variable estadística es una característica que puede fluctuar y cuya variación es
susceptible de adoptar diferentes valores, los cuales pueden medirse u observarse. Las
variables adquieren valor cuando se relacionan con otras variables, es decir, si forman parte
de una hipótesis o de una teoría. En este caso se las denomina constructos o construcciones
hipotéticas.

Función de densidad de probabilidad

Una función de densidad de probabilidad caracteriza el comportamiento probable de una
población en tanto especifica la posibilidad relativa de que una variable
aleatoria continua X tome un valor cercano a x.
Una variable aleatoria X tiene densidad f, siendo f una función no-negativa integrable de
Lebesgue, si:

https://es.wikipedia.org/wiki/Funci%C3%B3n_de_densidad_de_probabilidad

Variable binomial

La variable aleatoria binomial, X, expresa el número de éxitos obtenidos en cada

prueba del experimento.

La variable binomial es una variable aleatoria discreta, sólo puede tomar los
valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas.

Ejemplo

k = 6, al lanzar una moneda 10 veces y obtener 6 caras.

Variable mutinomial

Este modelo se puede ver como una generalización del Binomial en el que, en
lugar de tener dos posibles resultados, tenemos r resultados posibles.
Supongamos que el resultado de una determinada experiencia puede ser r valores
distintos: A1, A2, ..., Ar cada uno de ellos con probabilidad p1, p2, ..., pr,
respectivamente.

Si repetimos la experiencia n veces en condiciones independientes, podemos

preguntarnos la probabilidad de que el suceso A1 aparezca k1 veces, el
suceso A2, k2 veces y así sucesivamente:

Al modelo estadístico que nos da dicha probabilidad se le denomina Multinomial,

y su función de densidad viene dada por:

como se ve, el modelo Multinomial queda definido por los parámetros

(n, p1, p2, ..., pr). La fórmula anterior puede deducirse de forma análoga al caso
Binomial. En realidad, si tomamos r = 2 tenemos exactamente el modelo
Binomial.

Se debe destacar que este modelo es un ejemplo de distribución multivariante, es

decir, de distribución conjunta de varias (r) variables aleatorias. En efecto, si
definimos la variable aleatoria X1 como número de veces que se produce el
suceso A1 de un total de n experiencias, y así sucesivamente, tenemos un
conjunto de r variables aleatorias discretas cuya función de densidad conjunta
(valorada a la vez) viene definida por la anterior fórmula. Nótese que si
consideramos cada una de estas variables Xi (i = 1, 2, ..., r) por separado, su
distribución es la Binomial de parámetros n y pi.
 Definición de la Distribución de
Poisson
La distribución de Poisson es una distribución de probabilidad discreta que se
aplica a las ocurrencias de algún suceso durante un intervalo determinado. Nuestra
variable aleatoria x representará el número de ocurrencias de un suceso en un
intervalo determinado, el cual podrá ser tiempo, distancia, área, volumen o alguna
otra unidad similar o derivada de éstas.
La probabilidad de nuestra variable aleatoria X viene dada por la siguiente
expresión:

donde:

 Nuestra variable aleatoria discreta puede tomar los

valores:
 donde es la media del número de sucesos en el intervalo que estemos
tomando, ya sea de tiempo, distancia, volumen, etc. Es importante entender
que este valor es una media en el sentido estrictamente estadístico de la
palabra y como tal se calculará mediante dicha expresión y no debe calcularse
nunca con una regla de proporcionalidad o regla de tres.
 Se debe cumplir la condición de normalización
 La desviación típica es
 Cuando realizamos un experimento contando sucesos y obtenemos un valor
x, su error vendrá determinado por la raíz de x.
La distribución de Poisson debe de cumplir los siguientes requisitos:
 La variable discreta es el número de ocurrencias de un suceso durante un
intervalo (esto es la propia definición que hemos dado anteriormente).
 Las ocurrencias deben ser aleatorias y no contener ningún vicio que favorezca
unas ocurrencias en favor de otras.
 Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo
que se emplee.

https://fisicaymates.com/distribucion-de-poisson/

UTILIDAD
Función de Utilidad: representa el grado de provecho o satisfacción que reporta a un consumidor
una mercancía.
Utilidad marginal: representa la satisfacción adicional obtenida por el consumo de una unidad
adicional del bien.

La relación entre la utilidad y la utilidad marginal para un bien estudiado se comporta según se
muestra a continuación:

Cantidad consumida de un bien Utilidad total Utilidad marginal

00

144

273

392

4 10 1

5 10 0

6 9 -1

Si se tiene la función de utilidad, la utilidad marginal se calcula como la derivada ordinaria de esta
función. UM= U’

Si la UM=0 el consumidor obtiene con esa cantidad consumida toda la satisfacción que espera
obtener del bien.

Si la UM<0 el bien no satisface todas las necesidades del bien.

Ley de la utilidad marginal decreciente: establece que a medida que aumenta la cantidad consumida
de un bien tiende a disminuir su utilidad marginal, y con ella la satisfacción que obtiene del mismo.

Ejemplo 6 (Aplicación de la derivada de funciones de una variable)

Una asociación de consumidores de Roma ha realizado una medición para valorar el nivel de
satisfacción por el servicio de restaurantes de comida italiana en la ciudad en un período
determinado, lo que arrojó la siguiente función de utilidad:

U = 200x-2x²+150.

a-) Calcule la expresión de la utilidad marginal para la comida italiana.

b-) Si el consumo de dicho servicio aumenta de 25 unidades a 100 unidades en el período analizado,
¿cómo se comportará la satisfacción obtenida de él por parte de los consumidores?

Solución:

a-) UM = U’= (200x-2x²+150)’=200-4x

Rta: La utilidad marginal del servicio restaurantes de comida italiana se comporta según la expresión
UM = 200-4x.

b-) Para x =25 Para x =100

UM = 200-4*25 UM = 200-4*100

UM = 100 UM = -200

Rta: La satisfacción que reportan en el período para los consumidores los restaurantes de comida
italiana va disminuyendo, incluso cuando el consumo es de 100 ya este bien no reporta todo lo que
esperan de él los consumidores.

Función de utilidad de varias variables: Teniendo en cuenta que los consumidores obtienen
satisfacción o utilidad de los distintos bienes y servicios que consumen durante un período
determinado, puede redefinirse la función de utilidad como:

U = f(x1, x2, …, xn), siendo (x1, x2, …, xn) los bienes y servicios consumidos.

Utilidad marginal: La utilidad marginal del bien X1 se obtiene a través de la derivada parcial UMx1 =
δ U/ δ x1 que estima el incremento en la utilidad total por una unidad adicional del bien 1. Y así para
cada una de las variables.

Condición de equilibrio en la elección del consumidor: Un consumidor que tenga una renta fija y que
se enfrente a unos precios de mercado de los distintos bienes que estén dados logrará la máxima
satisfacción o utilidad cuando la utilidad marginal del último peso gastado en cada bien sea
exactamente igual que la utilidad marginal del último peso gastado en cualquier otro.

Ejemplo 7 (Aplicación de la derivada de funciones de varias variables)

Estudios realizados por una asociación de consumidores en Roma han permitido conformar una
función de utilidad con respecto al consumo de servicios de restaurante, influida por las siguientes
variables:

x- valoración sobre restaurantes de comida italiana

y- valoración sobre restaurantes de comida internacional

U(x,y) = x³y4- 2x²y³

a-) Calcular las utilidades marginales respecto a cada uno de los dos bienes para

(X0,Y0) = (2,1).

b-) Interprete los resultados.

Solución

a-) U(x,y) = x³y4- 2x²y³

UMx = δ U/ δ x UMy = δ U/ δ y
= 3x²y4 – 4x y³ = 4 x³y³-6x²y²

Evaluar en el punto (2,1):

UMx = 3x²y4 - 4x y³ Umy = 4 x³y³ - 6x²y²

= 3*2²*14 – 4*2*1³ = 4*2³*1³-2²*1²

=4=8

b-) Un incremento del consumo del servicio de restaurantes de comida internacional produce el doble
de aumento del nivel de satisfacción de los consumidores con respecto al incremento del servicio de
comida italiana.

Ejemplo 8 (Aplicación de la derivada de funciones de varias variables)

Dada la siguiente función de utilidad para dos bienes industriales x e y:

U(x,y) = x1/2 y1/3

Se conoce que las empresas están consumiendo 16 y 27 unidades de cada bien respectivamente.

a-) Hallar la utilidad marginal para ambos bienes. Interprete los resultados.

b-) Si el mercado tiende a consumir la misma cantidad del bien x y a triplicar la cantidad consumida
del otro. ¿Qué explicación podría dar?

Solución

a-) UMx = δ U/ δ x -Evaluar en (16,27)

= √³Y/2 √x

= √³27/2* √16 = 0.375

Umy = δ U/ δ y

= √x/3 √³Y2

= √16/3* √³27 = 0.148

Rta: El consumo de una unidad adicional del bien X produce una satisfacción mayor que en el caso
del bien Y.

b-) UMx(16,81) = √³81/2* √16 = 0.541

UM y(16,81) = √16/3* √³812 = 0.071

UMx(16,81) > UMx(16,27)

UMy(16,81) < UMy(16,27)

Rta: Como resultado de la ley de utilidades marginales decrecientes al aumentar el consumo del bien
Y disminuye la satisfacción por él obtenida. Mientras, el bien X se convierte en un bien escaso cuya
utilidad marginal aumenta.

Ejemplo 9 (Aplicación de la derivada de funciones compuestas)

La función de utilidad para dos productos complementarios a y b es U = a3 b+ 2ab. Además existe

una función que relaciona a ambos bienes de la siguiente forma: b = a/2.

a-) Hallar la función de utilidad marginal para el bien principal.

b-) Calcular su valor cuando se consumen 4 unidades de este bien.

Solución

Arbol de dependencia funcional:

Ua

ba

dU/da = δU/δa + (δU/δb * db/da) δU/δa = 3a2b+2b

= 3a2b+2b + (a3+2a)*1/2 δU/δb = a3+2a

= 3a2b+2b + a3/2+a db/da = 1/2

Rta: La Utilidad marginal para el bien a está dada por la expresión

dU/da = 3a2b+2b + a3/2+a.

b-) Si a= 4 b= 4/2=2

Evaluar en dU/da:

dU/da = 3*42*2+2*2+43/2+4 = 136

Rta: Si las unidades consumidas del bien a son 4, la utilidad marginal que se obtiene es 136.

Ejemplo 10 (Aplicación de la derivada de funciones de varias variables)

La función de utilidad de un consumidor en estudio está dada por la expresión U = x2y2.

Si se conoce además que el precio de los bienes es 2 y 3 respectivamente y que se consumen 6

unidades del bien x.

a-) ¿Qué cantidad debe consumirse del bien y para que el consumidor se encuentre en equilibrio?

b-) Si el precio de y aumenta a 4. ¿Qué variación se producirá en la cantidad consumida de ese

bien? Explique.
Solución

a-) Condición de equilibrio del consumidor:

Umx/Px = Umy/Py Umx = 2xy2

2xy2/2 = 2x2y/3 Umy = 2x2y

y/2 = x/3

y = 2x/3 Sustituir x=6

y = 2*6/3

y=4

Rta: El consumidor debe consumir 4 unidades del bien y para encontrarse en equilibrio.

b-) y/2 = x/4

y = 2x/4

y = 2*6/4

y=3

Rta: Al aumentar el precio del bien y su utilidad marginal por peso gastado disminuye, por lo que el
consumidor tiene que consumir menos de ese bien hasta que se iguale a la utilidad marginal por
peso gastado del otro bien.

Variables Geometricas

En teoría de probabilidad y estadística, la distribución geométrica es cualquiera de las

dos distribuciones de probabilidad discretas siguientes:

 la distribución de probabilidad del número X del ensayo de Bernoulli necesaria para obtener un éxito,
contenido en el conjunto { 1, 2, 3,...} o
 la distribución de probabilidad del número Y = X − 1 de fallos antes del primer éxito, contenido en el
conjunto { 0, 1, 2, 3,... }.
 ¿Qué es la distribución hipergeométrica?

La distribución hipergeométrica es una distribución discreta que modela el número de eventos en una
muestra de tamaño fijo cuando usted conoce el número total de elementos en la población de la cual proviene
la muestra. Cada elemento de la muestra tiene dos resultados posibles (es un evento o un no evento). Las
muestras no tienen reemplazo, por lo que cada elemento de la muestra es diferente. Cuando se elige un elemento
de la población, no se puede volver a elegir. Por lo tanto, la probabilidad de que un elemento sea seleccionado
aumenta con cada ensayo, presuponiendo que aún no haya sido seleccionado.

Utilice la distribución hipergeométrica para muestras obtenidas de poblaciones relativamente

pequeñas, sin reemplazo. Por ejemplo, la distribución hipergeométrica se utiliza en la prueba exacta de Fisher
para probar la diferencia entre dos proporciones y en muestreos de aceptación por atributos cuando se toman
muestras de un lote aislado de tamaño finito.

La distribución hipergeométrica se define por 3 parámetros: tamaño de la población, conteo de eventos

en la población y tamaño de la muestra.

Por ejemplo, usted recibe un envío de pedido especial de 500 etiquetas. Supongamos que el 2% de las
etiquetas es defectuoso. El conteo de eventos en la población es de 10 (0.02 * 500). Usted toma una muestra de
40 etiquetas y desea determinar la probabilidad de que haya 3 o más etiquetas defectuosas en esa muestra. La
probabilidad de que haya 3 o más etiquetas defectuosas en la muestra es de 0.0384.