Variable aleatoria es una función o regla que asigna a cada elemento del espacio muestral un Vector perteneciente a un

Espacio Vectorial.

Una variable aleatoria es unidimensional cuando a cada elemento del espacio muestral se asigna un escalar
perteneciente al conjunto de los números reales

El recorrido de una variable aleatoria unidimensional es conjunto formado por los números reales que se pueden
asignar a dicha variable.

Variable aleatoria discreta unidimensional es aquella variable aleatoria cuyo recorrido es finito o infinito numerable.

La función de probabilidad puntual P(x)de una variable discreta es una función, o Modelo matemático, que asigna a
cada valor del recorrido de dicha variable, un número real no negativo, llamado probabilidad puntual, de modo tal que
la suma de todos estos valores, a través del recorrido de la variable debe ser igual a la unidad. Puede ser representado
con un gráfico de bastones.

La función de distribución F(x) de una variable aleatoria discreta es una función que asigna a cada valor del recorrido
un número real que representa la suma de todas las probabilidades puntuales, desde el primero hasta el valor en
cuestión. A la función de distribución acumulada se lo grafica con grafico escalonado.

La función de distribución complementaria G(x) de una variable aleatoria discreta es una función que asigna a cada
valor del recorrido un número real que representa la suma de todas las probabilidades puntuales, desde el valor en
cuestión hasta el último.

Relación entre F(x) y G(x)= 1

Percentiles de variables aleatorias discretas: Percentil de orden K de una variable aleatoria discreta a un valor Xk, tal
que hasta el valor de variable inmediato anterior, se acumule a lo sumo una probabilidad = k/100 y, desde el valor de
variable inmediato posterior se acumule a lo sumo una probabilidad igual a 1- k/100

Una variable con recorrido infinito no numerable es una Variable aleatoria continua en un determinado intervalo de
números reales, si existe una función real que en dicho intervalo, cumpla con las siguientes 2 condiciones:

- No negativa [f(x)≥0 en a ≤X≤b(intervalo) condición de no negatividad]

- Cubra una superficie igual a 1 [ ∫f(x)dx= 1 ] condición de cierre

La función de densidad de probabilidad de una variable aleatoria continua es una función real que cumpla con la
condición de no negatividad y con la condición de cierre.

F(x)= g(x) en a ≤X≤b F(x)=0

X ~ f(x) en a ≤X≤b “la variable aleatoria continua X tiene distribución f(x) en el intervalo [a;b]”

Sea X una variable aleatoria continua con función de densidad de probabilidad f(x) definida en el intervalo de números
reales [a;b]. Se llama función de distribución F(x), a un modelo matemático o función no decreciente que asigna a cada
valor de la variable aleatoria un valor de probabilidad acumulada desde el límite inferior del recorrido hasta ese valor.

Sea X una variable aleatoria continua con función de densidad de probabilidad F(x) definida en el intervalo de números
reales [a;b]. Se llama Función de distribución complementaria G(x) a un modelo matemático o función no creciente,
que asigna a cada valor de la variable aleatoria un valor de probabilidad acumulada desde un valor de la variable hasta el
límite superior del recorrido.
Percentil de orden K de una variable aleatoria continua es el valor de la variable Xk donde se acumule una probabilidad
= a K/100

Modelo teórico de una variable aleatoria es el valor esperado o Esperanza Matemática [E(x)] de una función de la
variable.

Se llama Momento o Esperanza matemática de una función generada con una variable aleatoria discreta a la suma del
producto de cada valor numérico de la función por el correspondiente valor de probabilidad puntual a través del
recorrido de la variable.

Se llama esperanza matemática de una función generada con una variable aleatoria continua a la integral a través del
recorrido de la variable del producto de la función dada por la función de densidad de probabilidad de la variable.

Se llama momento absoluto de orden K(µ=E(Xk)) a la esperanza matemática de la potencia k-esima de la variable
aleatoria.

El promedio esperado o media aritmética esperada (µ) es el valor que se espera obtener, en promedio, si el
experimento es repetido bajo las mismas condiciones, una cantidad muy grande de veces. [µ=(8x)= ∑ 𝑥𝑖. 𝑝(𝑥)] (E de
una variable discreta)

Momento centrado teórico de orden K es la esperanza matemática de la potencia k-esima de la desviación de la

variable aleatoria con respecto a la media aritmética esperada.

Sea X una variable aleatoria y T una variable real, no aleatoria, se llama función generatriz de momentos de la variable
X, a la esperanza matemática de la potencia X.T del numero e.

Se llama desvío estándar (σx) de una variable aleatoria a la raíz cuadrada positiva de la V(x).

Se llama coeficiente de variación de una variable aleatoria discreta al cociente entre el desvío estándar (σ) y el
promedio o media aritmética esperada (µ)

Se llama mediana de una variable aleatoria discreta a un valor tal que, hasta el valor de variable inmediato anterior, se
acumule, a lo sumo, una probabilidad de 0,50 y desde el valor de variable inmediato posterior se acumule, a lo sumo,
una probabilidad de 0,50.

Se llama mediana de una variable aleatoria continua al valor de la variable hasta donde se acumula una probabilidad
exactamente igual a 0,50.

Se llama modo de una variable aleatoria discreta al valor de la variable más probable o de máxima probabilidad dentro
de un entorno de dicho valor. Si todos tienen igual valor de probabilidad puntual, no hay modo.

Se llama modo de una variable aleatoria continua al valor de la variable con el que la función de densidad de
probabilidad alcanza un máximo relativo.

Una distribución de probabilidad de una variable discreta es Simétrica si las probabilidades puntuales correspondientes
a valores de la variable que equidistan a la media aritmética esperada son iguales. (As=0 simetriza; As>0 asimétrica a la
derecha; As<0 asimétrica a la izquierda)

Teorema de Tchebycheff: sea X una variable aleatoria, discreta o continua, con esperanza matemática finita y varianza
finita, y sea k un número real positivo mayor a 1. Cualquiera sea la distribución de probabilidad de la variable aleatoria x,
siempre se cumple que: la probabilidad de que, el módulo de la desviación entre un valor de la variable y el promedio
esperado, se mayor o igual a k veces el desvío estándar (k>1), es a lo sumo 1/k2
Se llama variable estandarizada de una variable aleatoria, discreta o continua, a la variable que se genera haciendo el
cociente entre, la diferencia entre la variable original y su esperanza matemática, y la raíz cuadrada positiva de la
varianza. Tiene esperanza matemática o promedio aritmético esperado = 0 y varianza esperada = 1.

Se llama experimento aleatorio dicotómico a aquel experimento aleatorio cuyo espacio muestral tiene dos resultados
mutuamente excluyentes (A, noA)

Dado un conjunto formado por n elementos, se llama permutación DE n a cualquier arreglo ordenado en los n
elementos (Pn). La cantidad de permutaciones que se pueden formar ordenando los n elementos de distinta manera, se
calcula con un numero llamado Factorial de n. El símbolo que se utiliza para la factorial de n elementos es: n! [n!=n.(n-
1).(n-2)…

Se llama espacio continuo a un recinto de infinitos puntos donde en cualquiera ellos es posible encontrar un elemento.

La cantidad de elementos con un determinado atributo que se presenta en una observación de un experimento
aleatorio dicotómico, es una variable aleatoria discreta, ṝ, cuya función de probabilidad es llamada distribución de
Bernoulli. P(r)= pr. (1-p)1-r

La cantidad de elementos con un determinado atributo que se presentan en n observaciones dependientes de un

experimento aleatorio dicotómico, es una variable aleatoria discreta, ṝ, cuya función de probabilidad es llamada
distribución hipergeometrica. Parámetros: N, R y n (>0)

La cantidad de elementos con un determinado atributo que se presentan en n observaciones independientes de un

experimento aleatorio dicotómico, es una variable aleatoria discreta, ṝ, cuya función de probabilidad es llamada
distribución binomial.

La cantidad de observaciones independientes de un experimento aleatorio dicotómico necesarias para encontrar 1

elemento con un determina atributo es una variable aleatoria discreta, ñ, cuya función de probabilidad es llamada
distribución geométrica. Parámetro: p

La cantidad de observaciones independientes de un experimento aleatorio dicotómico necesarias para encontrar e

elementos con un determinado atributo, es una variable aleatoria discreta, ñ, cuya función de probabilidad es llamada
distribución de pascal. Parámetro: r y p

Relación entre pascal y binomial: los valores de probabilidad puntual de la distribución de pascal se pueden obtener a
partir de la distribución binomial.

La cantidad de elementos que se presentan al azar en un continuo de extensión T, y con un promedio de presentación
en el continuo es igual λ, es una variable aleatoria discreta, ṝ, cuya función de probabilidad es llamada distribución de
poisson. Parámetro: λ

El límite de la distribución hipergeometrica, cuando el tamaño del universo N tiende a infinito, es la distribución
binomial.

El límite de la distribución binomial, cuando la cantidad de observaciones n tiende a infinito y la probabilidad de que se
presente un elemento con un determinado atributo p tiende a 0, es la distribución de poisson

La cantidad de elementos que no tienen un determinado atributo, que se presentan antes de encontrar una cantidad fija
r de elementos que si tienen el atributo, al hacer n observaciones independientes, de un experimento aleatorio
dicotómico, es una variable aleatoria discreta, s, cuya función de probabilidad es llamada distribución binomial
negativa.
Una variable aleatoria continua X, definida en el intervalo de números reales [a;b] tiene distribución uniforme si su
función de densidad de probabilidad cumple la condición de no negatividad, de cierre y, a y b son los parámetros
matemáticos.

Una variable aleatoria continua X, definida para todo número real positivo, tiene distribución exponencial si su función
de densidad de probabilidad cumple con la función de no negatividad, de cierre y β es el parámetro matemático.

Una variable aleatoria continua X, definida para todos los números reales, tiene distribución normal, si su función de
densidad de probabilidad si µ y σ son parámetros, x=µ, tiene 2 puntos: µ-σ µ µ+σ, cumple con condición de cierre y de
no negatividad, E(x)=µ, V(x)= E(x-µ)2=σ2x, el desvío estándar de la variable es la V(x), es simétrica, me=µx, mo=µ

El valor de la función de distribución de una variable aleatoria con distribución normal, para el valor x, es igual al valor de
la función de distribución de la variable estandarizada o tipificada Z con distribución normal.

El límite de la distribución binomial, cuando la cantidad de observaciones n tiene a infinito y la probabilidad de que se
presente un elemento con un determinado atributo p tiende a 0,50, es la distribución normal.

El límite de la distribución de Poisson cuando el valor del parámetro λ tiende a infinito es la distribución normal.

Una variable aleatoria continua X definida para todo número real positivo tiene distribución gamma si su función de
densidad de probabilidad es a y β son parámetros, si cumple la condición de no negatividad y de cierre, E(x)=µ=a.β,etc.

Una variable aleatoria continua definida entre 0 y 1 tiene distribución beta si su función de densidad de probabilidad
tiene a y β como parámetros, cumple condición de no negatividad y de cierre, etc.

Una variable aleatoria continua tiene distribución de weibull si s función de densidad de probabilidad tiene como
parámetros a y β, cumple función de no negatividad y de cierre, etc.