5.

VARIABLES ALEATORIAS DE SIMULACIÓN

Es aquella variable que puede tener asignado un valor (no previsible) de un determinado
conjunto finito (variable aleatoria discreta) o infinito (variable aleatoria continua) de posibles
valores. Es una función que asigna un número a cada posible resultado de un experimento
(espacio de muestreo). Aunque la secuencia exacta de valores que serán asignados a una
variable aleatoria no puede ser prevista, sí que es posible conocer el rango de valores en
los que puede variar, así como la probabilidad de tener asignado un cierto valor.

Un proceso estocástico evoluciona en el tiempo y/o espacio e involucra a una variable

aleatoria, de tal modo que el comportamiento del proceso no puede preverse con
exactitud. Estos procesos se utilizan para representar aquellas actividades cuyos efectos
varían aleatoriamente en distintas salidas y los resultados generados sirven para obtener
estimaciones de las variables que caracterizan el comportamiento real del sistema.

En simulación, los valores que puede tomar una variable aleatoria, como la duración de
una actividad, o quizá el tiempo entre arribos de las entidades al sistema, son
representados por una Distribución de Probabilidad. Para generar un valor individual de la
variable aleatoria, un número aleatorio (creado mediante un generador de números
aleatorios) es colocado en una rutina o ecuación de transformación, convirtiendo el número
aleatorio en un valor que conforma una distribución de probabilidad y que re presenta a la
variable aleatoria.

5.1. VARIABLES ALEATORIAS DISCRETAS

Una variable aleatoria se llama discreta si se puede conta r su con junto de resultados
posibles. Las variables aleatorias discretas son variables aleatorias cuyo intervalo de
valores es finito o contablemente infinito.

Si x es una variable aleatoria discreta, la función dada por f(x) para cada x contenida en el
intervalo de x se denomina función de probabilidad, o distribución de probabilidad, de x.

Una función puede fungir como la distribución de probabilidad de una variable aleatoria
discreta x si y sólo si sus valores, f(x), cumple las condiciones siguientes:

a) f(x) ≥ 0 para cada valor contenido en su dominio

b) ∑ f(x) = 1, donde la sumatoria se extiende sobre todos los valores contenidos en su
dominio.
X P(X=xi)
verificando x1 p1 que p1+...+pn =1. 
x2 p2
⋮ ⋮
xn pn

5.1.1. FUNCIÓN DE DISTRIBUCIÓN ACUMULATIVA

La distribución acumulada F(x) de una variable aleatoria discreta X, cuya distribución de
probabilidad es:
 5.1.2. ESPERANZA MATEMÁTICA
Sea X una variable aleatoria con distribución de probabilidad f(x). La media o valor
esperado de X es:

Ejemplo 1:

Una variable aleatoria X puede tomar los valores 30,40,50 y 60 con probabilidades
0.4,0.2,0.1 y 0.3. Represente en una tabla la función de probabilidad, P(X=x), y la función
de distribución de probabilidad, F(x) = P (X ≤ x).

Ejemplo 2:

Una variable aleatoria discreta toma todos los valores enteros entre 0 y 4 con la siguiente
función de densidad:

Calcular su esperanza.

La esperanza matemática de la variable X viene dada por:

E[X] = 4 ∑ i=0 xi * f(xi) = (0*0.3) + (1*0.25) + (2*0.25) + (3*0.1) + (4*0.1) = 1.45.

 5.2. VARIABLES ALEATORIAS CONTINUA

Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo
un intervalo (finito o infinito) de números reales. Por ejemplo, una V.A. continua puede ser
el tiempo de retraso con el que un alumno o un profesor llega al aula de clases.

La función f(x) es una función de densidad de probabilidad para la variable aleatoria continua
X, definida sobre el conjunto de los números reales, sí:

Las variables continuas son conceptualmente más

complicadas que las discretas, pero en muchos casos resultan más fáciles de manipular (pues
integrar es frecuentemente más sencillo que sumar). En estos modelos continuos, el cálculo de
las probabilidades de que X tome valores en ciertos conjuntos requiere integrar (calcular áreas
encerradas bajo la función de densidad). Por ejemplo, la probabilidad de que X tome valores
en un cierto intervalo [a, b] e

5.2.1. FUNCIÓN DE DISTRIBUCIÓN ACUMULADA

Uso de la función de densidad acumulada para calcular probabilidades

Sea X una V. A. Continúa con FDP f(x) y FDA F(x). Entonces para cualquier número a.

Y para dos números reales a y b cualesquiera, tales que a

< b.

5.2.2. ESPERANZA MATEMÁTICA

Sea X una variable aleatoria continua con función de densidad f(x). Se llama esperanza
matemática o valor esperado, valor medio o media de X al número real.

Ejemplo 1:

La distribución de la cantidad de grava (en toneladas) vendida a una empresa en particular

proveedora de materiales para la construcción, en una semana dada, es una V.A. X continua
con FDP:

¿Cuántas toneladas esperarías que se vendan durante esa semana?

Por definición tenemos:

Lo cual significa que esperaríamos que se vendieran 0,375 [Ton] ó 375 [kg] de grava a la
empresa proveedora de materiales para la construcción.

Ejemplo 2:

La longitud de ciertos tornillos (en centímetros) es una variable aleatoria con la siguiente
función de densidad:

a) Para hacer cierto trabajo se

prefieren tornillos con longitud entre 1,7 cm y 2,4 cm. ¿Cuál es la probabilidad de que
un tornillo tenga dicha longitud?

La variable es X: longitud de ciertos tornillos (en cm).

Calculamos la probabilidad pedida P (1,7 ≤ X ≤ 2,4) cómo el área bajo la curva de densidad
entre x=1,7x=1,7 y x=2,4:

https://soloindustriales.com/variables-aleatorias-en-simulacion/

http://www.economia.unam.mx/profesores/blopez/estadistica-discretas.pdf

http://www.economia.unam.mx/profesores/blopez/estadistica-continua.pdf

https://practicapye.wordpress.com/2013/04/08/probabilidad-con-variables-aleatorias-
discretas/

http://verso.mat.uam.es/~pablo.fernandez/cap2-EstadI-oct18.pdf

https://probafacil.com/variable-aleatoria-continua-ejercicios-resueltos/