Variable Aleatoria Discretas Aplicada A Empresa

Variable Aleatoria Discretas, esperanza y varianza: Aplicado a la toma de
decisiones empresarial
Autores
Resumen
En este artculo vamos a presentar las caractersticas bsicas de las distribuciones
de las variables aleatorias (V.A.) discretas. En este objeto de aprendizaje, se
pretende mostrar el clculo de la funcin de probabilidad y la funcin de
distribucin para dichas variables discretas, as como el clculo de la Esperanza
Matemtica y la Varianza. . El documento se cierra con una aproximacin de la
variable aleatoria a procesos de toma de decisin que implican condiciones de
riesgo e incertidumbre.
Palabras Claves
Variable, Esperanza, Varianza, Discreta, Distribucin, probabilidad
Introduccin
Para qu me puede servir conocer cmo se distribuyen las probabilidades de una
determinada Variable Aleatoria discreta? Es importante para conocer las
probabilidades asociadas
cada
valor, as
como
para
poder
estimar
probabilidades acumuladas. En este sentido es imprescindible, conocer la

definicin y caractersticas de Funcin de Probabilidad y Funcin de Distribucin
(Martnez Gmez, Mnica). As pues, la estructura que vamos a seguir en este
artculo es la siguiente: en primer lugar conoceremos los objetivos que
pretendemos conseguir; a continuacin trabajaremos la definicin y caractersticas
de Funcin de Probabilidad y Funcin de Distribucin caractersticas de las
distribuciones discretas y resolveremos algunos ejemplos prcticos para ayudar a
la comprensin; as mismo definiremos los momentos de primer y segundo orden
para variables discretas. Finalmente, destacaremos los conceptos bsicos de
aprendizaje con respecto a ambos tipos de funciones y sus aplicaciones
prcticas.
Marco terico
En cualquier experimento aleatorio tenemos resultados cualitativos o cuantitativos.
Con el objeto de facilitar el estudio matemtico, a cada uno de estos resultados le
hacemos corresponder un nmero real. Por ejemplo, el resultado de tomar un
espaol al azar y medir su estatura es un nmero; el resultado de tomar una
familia al azar y anotar el nmero de hijos es un nmero; el resultado de aplicar un
tratamiento a un enfermo y observar si se cura o no, es un dato cualitativo, que
puede convertirse en cuantitativo asignando un "1" al enfermo que se cura y un "0"
al enfermo que no se cura. En realidad lo que estamos haciendo es asignar a cada
suceso del espacio muestra un nmero, pero esta asignacin no tiene por qu ser
nica. (Dpto Estadistica de Salamanca)
Pongamos un ejemplo: lanzamos dos dados al aire y a cada suceso elemental le
podemos asignar la suma, el producto, etc., de los nmeros que aparecen en las
caras superiores. Al igual que los resultados de un fenmeno aleatorio no son
predecibles, los resultados de una variable aleatoria tampoco lo son, pero
podemos calcular la probabilidad de que ocurra un determinado suceso. A veces
puede ocurrir que los valores que toma la variable aleatoria son los mismos, pero
no ocurre lo mismo con las probabilidades. Pongamos un ejemplo. Se dispone de
dos frmacos A y B distintos para curar una misma enfermedad; los resultados de
la variable aleatoria solamente pueden ser 1 0 y uno de ellos puede curar el 20%
de los casos y el otro el 70%. Para tener identificada una variable aleatoria no
basta con indicar los valores que pueda tomar, hay que indicar tambin sus
probabilidades. (Dpto Estadistica de Salamanca)
Una variable aleatoria X es toda funcin que toma diversos valores numricos
(dependientes
probabilidades.
del
resultado
de
un
fenmeno
aleatorio)
con
distintas
Cuando la variable aleatoria toma un nmero finito o infinito numerable* de

valores, diremos que es una "variable aleatoria discreta".
En general diremos, que una variable aleatoria discreta estar identificada si
conocemos sus posibles valores X = {x1,x2 ,...,xn} y sus respectivas
probabilidades P(X = xi ) = Pi
A toda regla que permita asociar a cada valor xi de la variable aleatoria su
probabilidad Pi, la llamaremos "funcin de probabilidad". Tal funcin de
probabilidad puede venir dada por una tabla:
X
F(X)
0
1/4
1
1/4
2
1/2
Tambin podemos definir la variable aleatoria a travs de la "funcin de

distribucin".
F(X) = P(X x)
F(X) no es ms que la probabilidad de que la variable X tome valores menores o
iguales que x.
En el ejemplo anterior:
F(0) = P(X 0) = P(X = 0)
F(1) = P(X 1) = P(X = 0) + P(X = 1)
F(2) = P(X 2) = P(X = 0) + P(X = 1) + P(X = 2)
De un modo general, a toda tabla, grfica o expresin matemtica que indique los
valores que puede tomar una variable aleatoria y las probabilidades con que los
toma, se llamar "distribucin de probabilidad de dicha variable aleatoria".
Esperanza, varianza y desviacin tpica de una variable aleatoria:
Se llama esperanza de la variable aleatoria discreta X, al nmero:
E[X] = x1p1 + x2p2 +...+xnpn
x1, x2 ,. .., xn son los valores de la variable aleatoria y p 1, p2, ..., pn las
probabilidades respectivas
La esperanza de una variable aleatoria X tambin se representa por , y se llama
media de la distribucin. Por tanto, "esperanza de la variable aleatoria" y "media
de la distribucin" son expresiones equivalentes.
El conocimiento de la media de la distribucin no es suficiente para caracterizar la

distribucin, ya que hay distribuciones con la misma media y distinta unas de
otras. Para medir la dispersin de los valores de una variable aleatoria X respecto
de su media , se define el siguiente estadstico llamado varianza:
Puesto que la varianza no podra medirse en las mismas unidades que la variable,
utilizamos la raz cuadrada de la varianza y a este nmero la llamamos desviacin
tpica.
Ejemplo 1:
Calcular la media y la varianza del nmero de hijos varones de una familia con dos
hijos.
Solucin:
E = {VV, VH, HV, HH}
X = {0, 1, 2}= "nmero de hijos varones de una familia con dos hijos"
P1 = P(X = 0) = 1/ 4
P2 = P(X =1) = 2 / 4 =1 / 2
P3 = P(X = 2) = 1/ 4
1 / 4 +1 / 2 + 1/ 4 =1
En promedio, una familia con dos hijos tiene un hijo varn con una varianza de
1/2.
(Dpto Estadstica de Salamanca, Distribuciones de probabilidades discretas, Ejercicio 3,1)
Ejemplo 2:
Tras una intervencin quirrgica de un tipo determinado, el equipo mdico
mantuvo en el hospital a unos pacientes cinco das y a otros ocho. De stos
ltimos no regres ninguno al hospital y el coste de cada uno ascendi a 90.000
pts., mientras que de los dados de alta a los cinco das, las dos terceras partes no
regresaron al hospital y el coste por cada individuo fue de 50.000 pts. El otro tercio
restante tuvo que regresar al hospital ocasionando unos gastos totales por
individuo de 150.000 pts. En trminos puramente econmicos, es preferible dar
de alta a los enfermos a los cinco o a los ocho das?
Solucin:
Se trata de calcular el coste promedio en ambos casos. En el supuesto de que los
pacientes estn ingresados 8 das, el coste promedio es de 90.000 pts., y en el
supuesto de que los pacientes estn 5 das, la variable aleatoria se distribuye de la
siguiente forma:
El coste promedio en este caso ser:
Puesto que 83.333 < 90.000, esto indica que es preferible, desde el punto de vista
econmico, tener ingresados a los pacientes cinco das. La varianza la calculamos
de la siguiente forma:
(Dpto Estadstica de Salamanca, Distribuciones de probabilidades discretas, Ejercicio 3,2)
Aplicacin a la Variable Aleatoria Discreta

A continuacin, se expone la aplicacin de conceptos propios de la investigacin
de operaciones para las lneas de falla, con el fin de mostrar a travs de un
ejemplo la funcin e importancia que tiene la variable aleatoria en este campo del
conocimiento, especficamente la distribucin de probabilidad de Poisson.
Cierto componente de tipo electrnico es sometido a una prueba de laboratorio a
partir de la cual el fabricante concluye que en promedio tan solo fallarn antes de
lograr 2.000 horas de operacin 4 componentes. Un comprador del componente
electrnico nota que fallan 10 componentes antes de las 2.000 horas de uso. El
nmero de componentes que fallan es una variable aleatoria discreta con

distribucin de Poisson; una pregunta que surge de manera natural es: hay
suficiente evidencia para dudar acerca de la afirmacin del fabricante? (Cardona
Diego, 2011)
La duda o incertidumbre en matemticas, en particular en las aplicaciones
estadsticas, se da en trminos probabilsticos; la ocurrencia o no de un evento
bajo ciertas condiciones se decide en trminos de la probabilidad asociada al
evento; una probabilidad pequea asociada a un evento no impide la ocurrencia
de este, a no ser que sea idnticamente nula. Como se defini con anterioridad, la
distribucin de Poisson tiene la siguiente distribucin de probabilidad:
En el ejemplo, el parmetro lambda = 2, por lo tanto, la funcin de distribucin de

probabilidad es:
La incertidumbre del comprador se calcula mediante la siguiente expresin:
Y la probabilidad de que fallen por lo menos 10 componentes en 2.000 horas de

uso, a partir de la fda de la distribucin de Poisson, es P(X 10); por ser esta una
funcin de distribucin discreta, aplicando la probabilidad del complemento, se

calcula la probabilidad mediante la expresin:
Los dos valores de probabilidad obtenidos anteriormente son, de alguna forma,

valores muy pequeos. En resumidas cuentas, si el nmero de fallas presentadas
durante las 2.000 horas de operacin est caracterizado de manera acorde con la
distribucin de Poisson, con una constante igual a 5, se tiene una probabilidad de
0,0052 de encontrar exactamente 10 unidades defectuosas; por el contrario, la
probabilidad de encontrar 10 o ms unidades defectuosas es de 0,0001. Pero,
antes de tomarse alguna medida en contra del fabricante, se deben hacer algunas
preguntas como, por ejemplo, si la tasa de falla siempre es constante?, si el
medio en el cual se hicieron los ensayos o pruebas tiene las mismas
caractersticas?, si existen factores extraos que estn incidiendo en la
situacin? Estas preguntas solo se contestaran al tener un conocimiento completo
de la situacin en estudio.
Discusin
En la teora de las probabilidades no siempre es fundamental encontrar todas las
combinaciones de resultados del espacio muestral, sino clasificar todos los
elementos del espacio muestral con cantidades que indiquen cierta propiedad, por
ejemplo, al tomar un artculo de un conjunto que contiene tanto no defectuosos
como defectuosos (donde el evento se puede definir la cantidad de artculos
buenos), se tiene que cada evento est representado por un nmero que muestra
la cantidad de artculos no defectuosos. Basados en lo anterior, de alguna manera

se define una funcin que asigna un valor numrico a cada evento del espacio
muestral, a la que se llama variable aleatoria. La importancia de definirla reside en
la introduccin de las funciones a la teora de probabilidades, donde sus
propiedades se heredan al clculo de probabilidades.
( http://gc.initelabs.com/)
Diversos autores han propuesto otras interesantes aplicaciones acerca las

variables aleatorias discretas. Mara Hermenegildo Ch en su artculo (Variables
Aleatorias en la Gestin Empresarial, SIMULACIN). Presentan tcnicas
cuantitativas para simular un generador de una variable aleatoria no-uniforme,
cuyos valores se reparten siguiendo una distribucin de probabilidad conocida o
no conocida, y slo cuando esto no sea posible por uno de los mtodos
presentados, se trabajar la simulacin empricamente.
Tambin se presentan aplicaciones en la empresa de distintas distribuciones de
probabilidad y los perfiles para valores especficos de sus parmetros, a fin de que
el lector pueda identificar, antes de aplicar algn mtodo, qu curva podra
representar a la variable aleatoria. Mara Hermenegildo Ch concluye en su estudio
que la simulacin es una tcnica poderosa para observar comportamientos en los
procesos y cmo stos cambiarn con la aleatoriedad de las variables y
modificacin de sus parmetros, adems que es barato en relacin a la
experimentacin con el sistema real.
Conclusiones
El objetivo de la variable aleatoria es permitir adelantar estudios probabilsticos y
estadsticos a partir del establecimiento de una asignacin numrica a travs de la
cual se identifiquen cada uno de los resultados que pueden ser obtenidos en el
desarrollo de un evento determinado. El valor esperado y la varianza son los
parmetros por medio de los cuales es posible caracterizar el comportamiento de
los datos reunidos en el desarrollo de una situacin experimental; el valor
esperado permite establecer el valor sobre el cual se centra la distribucin de la

probabilidad, mientras que la varianza proporciona informacin acerca de la
manera como se distribuyen los datos obtenidos.
Adicionalmente, las distribuciones de probabilidad son funciones numricas
asociadas a la variable aleatoria que describen la asignacin de probabilidad para
cada uno de los elementos del espacio muestral y se caracterizan por ser un
conjunto de parmetros que establecen su comportamiento funcional, es decir,
cada uno de los parmetros propios de la distribucin suministra informacin del
experimento aleatorio al que se asocia
Los procesos de toma de decisin que impliquen actuar bajo condiciones de
riesgo e incertidumbre
requieren mtodos que
permitan establecer las
posibilidades de xito o fracaso en el alcance de los objetivos propuestos. La

teora de la probabilidad cuantifica esas posibilidades, asignndoles valores de
probabilidad a cada uno de los eventos que pueden ocurrir en la ejecucin del
proceso; de esta forma, la probabilidad es una medida de creencia cuando existe
incertidumbre sobre el conocimiento. La variable aleatoria permite modelar
situaciones de naturaleza azarosa que implican incertidumbre, con el fin de
predecir el comportamiento resultante de la ocurrencia del evento asociado a un
experimento. (Cardona Diego, 2011)
Bibliografa
Una aproximacin de la variable aleatoria a procesos de toma de decisin
que implican condiciones de riesgo e incertidumbre,( Diego Cardona 2012).

Variables aleatorias discretas ,
http://gc.initelabs.com/recursos/files/r157r/w13180w/Estad%20y
%20Prob_5a_05.pdf
Distribuciones de Probabilidad para Variables Aleatorias Discretas (Martnez

Gmez, Mnica)
Distribuciones de probabilidades discretas (Dpto Estadstica de Salamanca)
Variables Aleatorias en la Gestin Empresarial, SIMULACIN (Mara

Hermenegildo Ch.)

Variable Aleatoria Discretas Aplicada A Empresa

Cargado por

Copyright:

Formatos disponibles

Variable Aleatoria Discretas Aplicada A Empresa

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Variable Aleatoria Discretas Aplicada A Empresa

Cargado por

Copyright:

Formatos disponibles

Variable Aleatoria Discretas, esperanza y varianza: Aplicado a la toma de

probabilidades acumuladas. En este sentido es imprescindible, conocer la

Cuando la variable aleatoria toma un nmero finito o infinito numerable* de

Tambin podemos definir la variable aleatoria a travs de la "funcin de

El conocimiento de la media de la distribucin no es suficiente para caracterizar la

El coste promedio en este caso ser:

(Dpto Estadstica de Salamanca, Distribuciones de probabilidades discretas, Ejercicio 3,2)

Aplicacin a la Variable Aleatoria Discreta

nmero de componentes que fallan es una variable aleatoria discreta con

En el ejemplo, el parmetro lambda = 2, por lo tanto, la funcin de distribucin de

La incertidumbre del comprador se calcula mediante la siguiente expresin:

Y la probabilidad de que fallen por lo menos 10 componentes en 2.000 horas de

funcin de distribucin discreta, aplicando la probabilidad del complemento, se

Los dos valores de probabilidad obtenidos anteriormente son, de alguna forma,

la cantidad de artculos no defectuosos. Basados en lo anterior, de alguna manera

Diversos autores han propuesto otras interesantes aplicaciones acerca las

esperado permite establecer el valor sobre el cual se centra la distribucin de la

requieren mtodos que

permitan establecer las

posibilidades de xito o fracaso en el alcance de los objetivos propuestos. La

Una aproximacin de la variable aleatoria a procesos de toma de decisin

que implican condiciones de riesgo e incertidumbre,( Diego Cardona 2012).

Distribuciones de Probabilidad para Variables Aleatorias Discretas (Martnez

Variables Aleatorias en la Gestin Empresarial, SIMULACIN (Mara

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.