VARIABLES ALEATORIAS

Lidia Rojas Valdivia

Universidad UNIACC
Prof: Guillermo Guerra Corral
30 Septiembre de 2019
 DESARROLLO
Investigue acerca del uso de variables aleatorias en las siguientes actividades o
sectores económicos:
1. SALUD

En el experimento consistente en observar la supervivencia a los 6 meses de

4 pacientes con cáncer sometidos a tratamiento, una variable aleatoria X
podría ser el “número de supervivientes”, que tomaría los valores x = 0, 1, 2,
3 ó 4 en función del número de pacientes que hayan sobrevivido a los 6 meses.
La probabilidad asociada al valor 0 P(X = 0) sería la probabilidad del suceso
“ninguno de los 4 pacientes sobrevive a los 6 meses”. La probabilidad asociada al
valor 1 P(X = 1) sería la probabilidad del suceso “sólo 1 de los 4 pacientes sobrevive
a los 6 meses”, y así sucesivamente.
Las variables aleatorias discretas toman un número discreto de valores con
probabilidad no nula y, en consecuencia, estarán completamente caracterizadas si
se conoce la probabilidad asociada a cada uno de estos valores
Supongamos que por estudios previos se estima que, después de 6 meses de
tratamiento en 4 pacientes con cáncer, la probabilidad de que sobrevivan 0, 1, 2, 3
ó 4 pacientes viene determinada por la segunda columna de la Tabla 1.1 Estos
valores y sus probabilidades constituyen la función de probabilidad de la variable
número de supervivientes, que se muestra en la Figura 1.2 (a). Los valores de la
función de distribución en 0, 1, 2, 3 y 4 aparecen en la tercera columna de la Tabla
1.1: La función de distribución en 1 es F(1) = P(X ≤ 1) = P(X = 0) + P(X = 1) = 0,1296
+ 0,3456 = 0,4752. La función de distribución de esta variable se representa en la
Figura 1.2 (b). Notar que F(x) está definida sobre cualquier número real, aun cuando
la variable tome sólo los valores 0, 1, 2, 3 y 4 con probabilidad no nula

Tabla 1.1. Función de probabilidad y función de distribución del nº de supervivientes a los 6 meses
de 4 pacientes con cáncer sometidos a tratamiento
 Figura 1.2. Función de probabilidad (a) y función de distribución (b) del
número de supervivientes a los 6 meses de 4 pacientes con cáncer sometidos a tratamiento.

En el tema de estadística descriptiva, se definieron la media y la varianza muestral

como medidas de tendencia central y dispersión de una variable en una muestra. A
continuación, se definen medidas análogas para la distribución poblacional de una
variable aleatoria. La esperanza o media poblacional de una v.a. discreta X,
denotada por μ o E(X), se define como la suma de los productos de cada valor xi
por su probabilidad P(X = xi)
A partir de los datos del ejemplo anterior, el valor esperado del número de
supervivientes a los 6 meses de 4 pacientes con cáncer sometidos a tratamiento
sería:

y la varianza

Es decir, el número esperado de supervivientes a los 6 meses es 1,60 y la

desviación típica σ = 0,98
Si por estudios previos se sabe que la supervivencia a los 6 meses en dichos
pacientes es del 40%, el número de supervivientes a los 6 meses en una muestra
de 4 pacientes seguirá una distribución binomial X de parámetros n = 4 y p = 0,4.
Por ejemplo, podemos calcular la probabilidad de que sobrevivan 2 pacientes
utilizando la función de probabilidad o utilizando las tablas de probabilidad (tabla
3.2) para la distribución Binomial.

En consecuencia la probabilidad de que sobrevivan 2 pacientes es del 34,5% que

corresponde a la distribución Binomial de parámetros n=4 y p=0.4, para k=2.
2. CONTABILIDAD

El Jefe del Departamento de Contabilidad de la Facultad de Ingeniería, tiene a su cargo 8

personas de las cuales 4 son mujeres y 4 son hombres. Para un trabajo urgente que le encargó
el Director necesita 2 personas que, para evitar el sesgo de sexo, las elige al azar. Si X
representa el número de hombres los valores posibles de X son 0, 1 y 2 cuyas probabilidades de
elección son las siguientes.

El número total de secuencias de seleccionar 2 de los 8 trabajadores a su cargo es

el número de maneras de seleccionar 0 hombres es ; por lo tanto, la probabilidad

de X=0

De manera similar

Por lo que la función de distribución de probabilidades es la que se muestra en la siguiente tabla

y la gráfica correspondiente en la figura 9.4. Observe que todas las probabilidades son mayores
que 0 y su suma es 1.

Tabla 2. Distribución de probabilidades del número de hombres para el trabajo urgente

 3. FINANZAS

En las finanzas se puede aplicar variables aleatorias discretas para poder los resultados sobre
cómo están llevando las personas las inversiones en el mercado, en especial el grado de
optimismo o pesimismo que los gerentes de grandes empresas tienen en contexto con las
inversiones en corto, mediano y largo plazo, y con esto tomar decisiones que involucran muchas
veces miles de dólares. Ejemplo: Se realizó una encuesta en donde se preguntó a 100 gerentes de
inversiones de cierta ciudad, acerca de sus puntos de vista sobre las inversiones a largo plazo. De
acuerdo con las respuestas 10% se encontraban muy optimistas, 25 % se encontraban optimistas,
30% se encontraban neutrales, 20% se encontraban pesimistas y 15% se encontraban muy
pesimistas. Vamos a definir la variable aleatoria x= “grado de optimismo de los gerentes” con la
siguiente tabla:

Tabla de cuantización del optimismo grado de optimismo (x) Término 1 Muy pesimista 2 Pesimista
3 Neutrales 4 Optimista 5 Muy optimista Con esta tabla y los porcentajes obtenidos en la encuesta,
podemos elaborar nuestra tabla de función de cuantía y distribución de probabilidad acumulada:
grado de optimismo (x) 1

Tabla de probabilidad de grado de optimismo Porcentaje Cantidad de de Función de Función

de distribución gerentes gerentes cuantía acumulada 15% 15 0,15 0,15

2 3 4 5

20% 30% 25% 10%

20 30 25 10

0,20 0,30 0,25 0,10

0,35 0,65 0,9 1,00

Como podemos observar es una variable aleatoria ya que cumple con las propiedades de una
función de cuantía, las cuales son que cada una de las probabilidades sea mayor a cero, y además
la función de distribución acumulada nos indica que si sumamos las probabilidades obtenemos 1. Al
obtener la gráfica de la función de cuantía, nos damos cuenta del comportamiento de esta variable
aleatoria, que se asemeja a una distribución de probabilidad normal:

Función de cuantía cuantía 2.00Función de3.00

1.00

4.00

5.00

0.30 0.25 0.20 0.15 0.10

1

Si queremos conocer la Esperanza (Valor Esperado), Varianza y Desviación Estándar, aplicamos

las definiciones de estos elementos para variables aleatorias discretas: Esperanza

x i P(¿ x i)=(1∗0.5)+(2∗0.20)+(3∗0.30)+(4∗0.25)+(5∗0.10)=3.3 n

μ=E ( x )=∑ ¿ i=1

Esto indica que el valor esperado según la asignación que dimos a nuestra variable aleatoria, es que
la los gerentes se encuentren en un grado neutral sobre las inversiones.

Varianza 2

2 V ( x ) =E ( x ) −[ E ( x ) ]

V ( x ) =¿=(12∗0.5)+( 22∗0.20)+(32∗0.30)+( 42∗0.25)+(52∗0.10)−3.32=0.39 Desviación Estándar

σ =√ V ( x )=√ 0.39=0.62
 BIBLIOGRAFIA
Internet:
- http://www.ics-aragon.com/cursos/salud-publica/2014/pdf/M2T03.pdf
- https://edoc.pub/trabajo-estadistica-5-pdf-free.html