La estadstica puede decirse que es una ciencia exacta dentro de lo que se
permite ser, en ocasiones se ha afirmado que esta ciencia busca mediante un modelo matemtico explicar los fenmenos naturales y sociales que ocurren diariamente. En base a esto la probabilidad, que podemos asociar como una funcin que toma un valor dado de un experimento y le asigna algn valor comprendido entre 0 y 1 para determinar qu tan posible sea dicho evento. Pero si analizamos esta premisa encontramos que puede resultar un tanto limitante, por cuanto decimos que un evento X se analiza, concentramos nuestra atencin en lo que ocurre con los datos arrojados por los el experimento alrededor de ese evento, ahora bien, dicho evento representa una pequea porcin de los eventos ms grandes que lo involucran, en pocas palabras, estamos tomando en cuenta una pequea parte de un conjunto muy grande obteniendo informacin de solo esa parte. Entonces, Qu pasara si deseramos medir lo que ocurre con un conjunto de datos mayor?, afectara de alguna manera la forma en que se mide el experimento? Como se trata de datos de un espacio muestral sin definir, pero que se conoce sus elementos, definimos a la funcin que toma cada valor asociado a un evento lo lleva hasta un valor comprendido entre 0 y 1 conocido como probabilidad, variable aleatoria. As pues, decimos que para un experimento aleatorio cuyo espacio muestral es , una funcin X que asigna cada elemento w de un nmero real, denotado por X(w) es una variable aleatoria. De esta forma definimos lo que es una variable aleatoria, pero, de qu forma se presenta?, una variable aleatoria puede ser discreta, es decir tomar solo un numero finito o contablemente infinito de valores distintos, en este caso decimos que los valores asociados a la probabilidad son valores enteros. De esta forma, si expresamos la probabilidad que representa el valor asociado al evento del espacio muestral, denotamos por P(Y=y), donde Y es la variable aleatoria e y es el valor asociado al evento que estudia la variable. En consecuencia al estudio de los eventos de un espacio muestral, se hace necesario expresar el nmero de datos agrupados y lo que significan para la
variable, esto se hace mediante la definicin de distribucin de probabilidad,
donde cada valor de la variable le corresponde su probabilidad. Por tratarse de un estudio de eventos, se presentan valores esperados o variaciones de la distribucin de los datos, como lo son la media (), varianza ( 2) y desviacin estndar (). Como sabemos, no todos los experimentos resultaran en la representacin de una variable aleatoria con valores enteros, debido a que existen espacios muestrales cuyos datos representan conjuntos de datos reales, la variable aleatoria se torna continua, es decir, para ciertos valores comprendidos entre - y + se asignan valores de probabilidad comprendidos entre 0 y 1. Para este tipo de variable se necesita cumplir unas condiciones iniciales para considerar, tales como que para cada valor real de la variable, el valor de la funcin es mayor o igual a 0 ( f ( x ) 0 ; x R , la suma de todos los valores
f ( x ) dx=1 asociados a los valores reales es igual a 1 (
y la probabilidad de que
la variable ocupe ciertos valores significativos del experimento se exprese como la
suma de los valores asociados desde el mnimo valor hasta el mximo
f ( x ) dx b
P ( a< x< b )= , para este ltimo como es de notar, la integral de la funcin
entre los valores asociados representa el rea de la funcin entre el intervalo
dado, decimos entonces que la variable aleatoria continua representara reas entre intervalo, al contrario que la variable discreta que representara valores puntuales. Al igual que la variable discreta, podemos obtener media, varianza y desviacin estndar pero con la particularidad de que debe cumplirse las condiciones previas. Tomando en cuenta lo que representa la variable aleatoria para el estudio de
eventos en espacios muestrales, se tiene un modelo de evolucin de datos
bastante eficiente que actualmente es usado en procesos productivos y repetitivos, que evalan ciertos aspectos puntuales considerados para la toma de decisin gerencial. Muchas veces en la evaluacin de calidad se considera la probabilidades
asociadas
los
eventos
productivos
para
deducir
marcos
referenciales de calidad en la produccin, por cuanto factores negativos ms
probables resultan en la renovacin del proceso, si por contrario resultan escasos y menores al estndar fijado consideran al proceso efectivo. Se dice entonces que la variable aleatoria se presenta como instrumento necesario en la estadstica para el estudio detallado de espacios muestrales, de donde se presentan variables discretas, expresadas por nmeros enteros que se pueden evaluar puntualmente, por otro lado tenemos las variables continuas que se asocian a valores reales, haciendo que su funcin evale los datos en reas bajo la curva de la misma. Todo esto se concluye en un modelo matemtico de estudio de probabilidad ms enfocado en los procesos productivos evaluadores de calidad y de refinamiento de calidad.