Ir al contenido principal

Las variables aleatorias continuas

Cuando la variable aleatoria es continua, ésta puede tomar cualquier valor dentro de un intervalo de la recta real. Al haber infinitos posibles valores de la variable, si cada uno de ellos tiene una probabilidad mayor que cero, la suma de todas ellas sería mayor que 1.

Por lo tanto, la probabilidad de un valor concreto para una variable aleatoria continua es cero: P(X = xi) = 0.

Por ejemplo, si los pesos de los alumnos de un clase están comprendidos entre 45 y 60 kilos, la probabilidad de que un alumno pese exactamente 46,5 kg es prácticamente nula y lo mismo ocurre con la probabilidad de que pese cualquier otro valor entre 45 y 60. Al decir que el alumno pesa 55,5 kg, no hay que entender que su peso exacto es 55,5 kg, sino que está dentro de un intervalo que contiene a 55,5. Cuanto menor sea el intervalo, con más exactitud se dará su peso.

Por lo tanto, las probabilidades puntuales en las variables aleatorias continuas no tienen sentido, por ser todas nulas, y por ello no se define la función de probabilidad como se hizo en las variables aleatorias discretas.

Cuando la variable aleatoria es continua, hay que calcular la probabilidad de que la variable sea menor que un valor determinado, P(X ≤ xi), mayor que un valor determinado, P(X ≥xi). o bien la probabilidad de que la variable esté comprendida entre dos valores determinados P(xi ≤ X ≤ xj).

Decir menor que un valor determinado es lo mismo que decir menor o igual, puesto que las probabilidades puntuales son nulas. Lo mismo ocurre en el caso de mayor o mayor o igual.

Función de densidad de una variable aleatoria continua

Sea X una variable aleatoria continua que toma valores en el intervalo [a, b].

Se define como función continua f:[a, b] → R que cumple:

  1. P(X ≤ k) es igual al área limitada por la curva y = f(x) y la recta x = k.
  2. En términos de cálculo integral, lo dicho anteriormente se expresa: P(X  ≤ k) = ∫akf(x)dx.
Una función de estas condiciones se llama función de densidad de la variable X.

Propiedades de la función de densidad

  1. f(x) ≥ 0, ∀ x ∈ R. La función no es negativa para ningún valor.
  2. abf(x)dx = P(a ≤ X ≤ b) = 1. El área total limitada bajo su curva es 1.
En el paso del estudio de una muestra al estudio de una población infinita, el polígono de frecuencias se transforma en una curva continua llamada curva de probabilidad, cuya ecuación matemática es la función de densidad.

Función de distribución de una variable aleatoria continua

La función de distribución para una variable aleatoria continua se define del mismo modo que para una variable aleatoria discreta, con la diferencia de que ahora se sustituye la suma de las probabilidades de una cantidad finita de valores por el signo de la integral, que en definitiva, es también una suma.

F:R → R
                                          F(x) = P(X ≤ x) = ∫axf(t)dt

Por lo tanto, la función de densidad es la derivada de la función de distribución.

Propiedades

  1. F(x) = 0; si x < a.
  2. F(x) = 1; si x > b.
  3. La función F es monótona creciente si a ≤ b, F(a) ≤ F(b).
  4. P(X = x) = 0.
  5. F'(x) = f(x).

Media de una variable aleatoria continua

La media, valor esperado o esperanza matemática de una variable aleatoria continua X, que toma valores en un intervalo [a, b], se define como:

μ = E[X] =  ∫abx·f(x)dx; siendo f la función de densidad.

En la siguiente entrada, unos ejemplos para entender mejor lo explicado.

Comentarios

Entradas populares de este blog

Ojivas

Recibe el nombre de ojiva un gráfico que, mediante el trazado de una línea, muestra las frecuencias acumuladas de la serie. Si representa frecuencias absolutas acumuladas se llama simplemente ojiva, y si representa los porcentajes de las frecuencias relativas acumuladas se llama ojiva porcentual. Para representar una ojiva, se marcan en el eje de abscisas los valores de la variable y en el eje de ordenadas las frecuencias acumuladas. Se utiliza para representar series atemporales de frecuencia. Ejemplo Vamos a representar una ojiva de la serie correspondiente a los complementos salariales (dietas, desplazamientos...) expresados en euros de los 130 empleados y empleadas de una empresa, que aparecen reflejados en la siguiente tabla. Complementos N.º de empleados [50-60) 16 [60-70) 20 [70-80) 32 [80-90) 28 [90-100) 20 [100-110) 10 [110-120) 4 130

Polígonos de frecuencias

Un polígono de frecuencias es un gráfico que se obtiene a partir de un histograma, uniendo los puntos medios de los techos, o bases superiores, de los rectángulos. Se acostumbra a prolongar el polígono hasta puntos de frecuencia cero. Un polígono de frecuencia permite ver con gran claridad las variaciones de la frecuencia de una clase a otra. Son muy útiles cuando se pretende comparar dos o más distribuciones, ya que, así como es difícil representar dos o más histogramas en un mismo gráfico, resulta muy sencillo hacerlo con dos o más polígonos de frecuencias. La suma de las áreas de los rectángulos de un histograma de amplitud constante, es igual al área limitada por el polígono de frecuencias y el eje X. Ejemplo Vamos a construir a partir del histograma explicado en la entrada anterior , su correspondiente polígono de frecuencias. Ejemplo de polígono de frecuencias Interpretación de un polígono de frecuencias El polígono de frecuencias resume, en una sola lín

Ejemplo de tabla de frecuencia para una variable cuantitativa continua

Cuando el estudio se refiere a una variable cuantitativa continua, como el peso, la talla, velocidad, etc., o cuando tratándose de una variable cuantitativa discreta, el número de observaciones es muy grande y la cantidad de valores diferentes que toma la variable también, se recurre a agrupar los datos en intervalos. Cada uno de estos intervalos recibe el nombre de clase. Por ejemplo: En un estudio realizado sobre la estatura de cuarenta alumnos de un curso (variable cuantitativa continua, puesto que entre dos estaturas distintas puede haber un alumno que tenga una estatura intermedia), se han obtenido los siguientes resultados en metros: 1,55 1,66 1,69 1,63 1,64  1,67 1,63 1,56 1,62 1,68 1,68 1,62 1,66 1,62 1,69  1,56 1,57 1,60 1,65 1,64 1,67 1,69 1,63 1,64 1,60  1,62 1,63 1,71 1,62 1,72 1,61 1,61 1,64 1,60 1,70  1,76 1,65 1,65 1,68 1,66 Para su estudio, se procede a la agrupación de los datos en intervalos o clases. Primero se observa cuáles son los valores