Estrategia didctica 3.2.2.1.

Tipos de variables Para hacer predicciones de una variable aleatoria es necesario conocer 3 caractersticas de ella: su distribucin, su medida de tendencia central (media) y su medida de dispersin (desviacin estndar). Esta condicin tendr una importancia mayor en todo este texto. Recordemos que cuando se tratan las variables discretas (la binomial y la hipergeomtrica), se dibuja su distribucin y se calcula su media (o esperanza matemtica) y su varianza (o desviacin estndar cuadrtica). Al conocer estas tres caractersticas, la variable aleatoria discreta esta bien definida y se podan realizar clculos de probabilidades con ellas, es decir, se poda hacer predicciones acerca de los posibles valores que podan tomar. Conocemos dos distribuciones discretas, que, como ya se dijo, son la binomial y la hipergeomtrica. Sin embargo, no solamente existen las variables discretas, sino que tambin existen variables aleatorias continuas. Por ejemplo las siguientes variables son aleatorias (impredecibles) y sus valores alcanzan cualquier valor entre un intervalo de valores bien definidos: 1. Tiempo de traslado de un alumno de su casa a la escuela por la maana. (puede haber hecho alguna vez un tiempo mnimo de 10 minutos y uno mximo de 40 minutos, dependiendo de la hora de salida, del transporte usado, del trfico, y es posible que cualquier tiempo entre esos valores pueda hacerlo durante su traslado a la escuela.) 2. Peso de un beb al nacer. (El peso de un beb depende de la regin u hospital donde haya nacido, el tipo de alimentacin de la madre, de la gentica, etctera, pero en cierta regin los bebs podra pesar entre 1 y 4 kilos, y cualquier beb podra pesar al nacer cualquier valor en el rango sealado). 3. Salario de los licenciados en derecho recin egresados de una Universidad. (el salario puede ser de entre 4000 y 12000 pesos, dependiendo del tiempo de permanencia de los egresados en la Facultad, del promedio, del tipo de Universidad de donde egresaron, etctera). Observa que hay 3 variables continuas, tiempo, peso y salario definidos en un rango de valores posibles. Es claro que las variables estn determinadas dentro de ese rango porque dependen de la poblacin de donde se obtienen y de las condiciones en las que son obtenidas. Por ejemplo, si un alumno vive lejos del Colegio y su tiempo de traslado oscila entre 50 y 90 minutos, entonces el valor de 20 minutos ser prcticamente imposible de que lo realice alguna vez, porque su tiempo de traslado se hace bajo otras condiciones distintas a las del traslado del alumno del primer ejemplo. Lo mismo sucede con los dos ejemplos posteriores. Con ello debe remarcarse que primero debe determinarse con mucho cuidado una poblacin de referencia y precisarla lo mejor posible antes de definir una variable dentro de ella. Por ejemplo, si decimos que la poblacin que deseamos investigar es la de
1

los alumnos del CCH Azcapotzalco, del turno matutino, de sexto semestre que viven en el estado de Mxico, que no tienen materias reprobadas y que pertenecen a la generacin que egresa en el 2008, entonces podemos definir la variable aleatoria continua tiempo de estudio de los alumnos antes de un examen de estadstica. Al hacer este tipo de precisiones, se puede fcilmente determinar el rango posible de valores que la variable puede alcanzar. En el ejemplo citado se tendr que el tiempo de estudio podra ser de 1 a 6 horas. Es muy importante precisar con cuidado la poblacin de referencia en la que se le definir una variable. Esto se debe a que si se define de manera muy general entonces el rango de valores se dispara. Por ejemplo, si definimos una poblacin simplemente como los alumnos del CCH Azcapotzalco y queremos definir la variable aleatoria continua tiempo de traslado de los alumnos de su casa a la escuela entonces debido a la ambigedad de la poblacin, el rango de la variable podra ser desde 0 a 180 minutos. Esto ya no es til porque la poblacin resultar muy grande y muy irregular. As tambin si un ingeniero forestal desea estudiar la altura de los rboles esta podra oscilar entre 1 y 50 metros si no define claramente la especie se rbol que desea medir y la regin donde se encuentra. Si especifica que desea estudiar a los laureles, podra decir que solo quiere determinar la altura de los laureles del bosque de Chapultepec, que tienen 10 aos o ms de edad, que no tienen cierto tipo de plaga, con ciertas caractersticas genticas, etctera. En este caso el rango de valores ser ms especfico, digamos entre 4 y 6 metros. Para el primer ejemplo que se dio anteriormente, la poblacin a la que se refiere el tiempo del alumno que hace entre 10 y 40 minutos, consiste de todos los posibles tiempos de traslado que ha hecho durante su estancia en el Colegio. Para el caso de los bebs, la poblacin ser la de todos los pesos de los bebs que han nacido durante cierto perodo en un hospital especfico con las condiciones dadas por el ejemplo. Pero, Por qu es necesario especificar de esta manera la poblacin? Qu ventajas se tienen estadsticamente hablando? Lo que sucede es que esto facilita la caracterizacin de una variable aleatoria continua. Ya se dijo antes que para hacer predicciones de una variable, es necesario conocer su distribucin su media y su desviacin estndar. Si somos muy precisos al definir una variable continua, entonces ser muy til para que intuyamos la distribucin de la variable. Si se revisa la prctica 3, se observar en ella las familias de curvas que llamamos modelos de poblacin o distribuciones. Recordemos que se clasificaron en 3 grupos. Para este curso, particularmente estudiaremos la familia de curvas (1) que son las llamadas curvas normales (o curvas de campana, curvas normales o gaussianas). Las dems se estudian en cursos ms avanzados.

Se sabe, por ejemplo, que cuando se especifica de manera tan precisa la poblacin donde se definir la variable aleatoria continua, es muy probable que se distribuya en forma normal. Esto significa que, por ejemplo, el peso de los bebs al nacer, dado en el ejemplo 2, se distribuya normalmente, lo que significa que la grfica que describe el peso de los bebs sea la curva o modelo normal. Pero si la poblacin est muy generalizada, seguramente la curva que describe a la variable (por ejemplo si la definimos simplemente como peso de los bebs al nacer, sin especificar nada ms), no ser normal. Tal vez sea asimtrica positiva o asimtrica negativa (e incluso podra tener dos o ms modas), dependiendo del nivel econmico de la regin. Si se mide el peso de los bebs al nacer en Chiapas, tal vez la distribucin del peso en los bebs sea asimtrica positiva porque la mayora de ellos tendr bajo peso y pocos tendr un peso alto. Pero esto ocurrir porque se han combinado todo tipo de etnias y personas urbanas y rurales que tienen distintos niveles econmicos.

EJERCICIOS

1. Da 3 ejemplos de poblaciones donde la variable sea continua, especificando con cuidado la poblacin en la que deseas definirla y el rango de valores posible que dicha variable puede alcanzar. Estatura de una persona Kilometraje de un auto Temperatura 2. Da ejemplos de variables continuas que se distribuyan en forma asimtrica positiva, asimtrica negativa y en forma de j invertida (tambin llamada distribucin exponencial) . El tiempo que un medico dedica a una exploracin El tiempo de servir una medicina en una farmacia El tiempo de atender a una urgencia. 3. Define para ti mismo la variable continua tiempo de traslado de tu casa al Colegio y especifica el rango de valores de la variable y su distribucin, determinando cuidadosamente la poblacin. Los alumnos de la escuela primaria Belisario Domnguez del turno matutino, de sexto grado que viven en el municipio de Zumpango, que viven en su mayora a los alrededores de la escuela y todos cuentan con automvil realizan un tiempo de traslado aproximado de su casa a la escuela de 10-30 min.

4. Piensa en una poblacin en Biologa y especifica claramente una variable en ella. Si se realiza una clonacin de ovejas en un intervalo de 3-5 horas en el laboratorio de la UNAM 5. Piensa en una poblacin en Educacin y especifica claramente una variable en ella. En el grupo de 5A de la escuela primaria Isidro Gonzlez del municipio de Jaltenco cuentan con dos horas de matemticas y una de computacin con matemticas , Cunto tiempo efectivo utilizan por clase?

Guardar con el nombre nombre-apellido.E3.2.2.1Variables-grupo.doc

LECTURA La probabilidad y la estadstica fueron empezadas e estudiarse matemticamente en el siglo XVII. La probabilidad surgi aproximadamente en 1660 y la estadstica, entendida no como una simple reunin de datos, sino como una reunin y clasificacin de datos para obtener informacin de ellos, aproximadamente en 1662, que fue la fecha en la que John Graunt public su libro Billetes de Mortalidad, en el que hizo varias inferencias acerca del estado de la poblacin en Londres luego de una epidemia de peste. Se sabe que en Sumeria, Roma, Egipto, Grecia y en otras grandes civilizaciones, ya existan juegos de azar, como los dados, y haba emperadores romanos, Marco Aurelio era uno de ellos, que eran fanticos de los juegos de azar a los que dedicaban mucho tiempo, pero no se conoce algn estudio matemtico del azar realizado por sumerios, griegos, egipcios o romanos. Se sabe, sin embargo, que quienes tuvieron resultados importantes en la probabilidad fueron los hindes, aunque parece que la relacionaron con la religin para usarla con propsitos morales. De cualquier forma, se desconoce la mayora de los textos de los matemticos hindes, y por ello no se sabe con precisin cul fue su grado de avance en la estadstica. Existen textos sorprendentes que se pueden hallar en los poemas hindes como el Mahbharata, que no ha sido traducido por completo del snscrito, en los que parece que ya se manejaban conceptos estadsticos nada triviales. Les voy a resumir la historia, llamada Nala y Damayanti, que tal vez sea la ms conocida de esa epopeya: En un viaje, un hombre llamado Nala, conoce a un rey extranjero, Rituparna, quien hace alarde de sus habilidades matemticas al
4

estimar el nmero de hojas y frutos que haba en dos grandes ramas de un rbol frondoso. Lo infiere con base en una sola rama pequea del rbol que examina. Hay, afirma, 2095 frutos. Nala cuenta los frutos toda la noche y queda sumamente sorprendido por la precisin de la conjetura. Rituparna, a solicitud de Nala, accede a ensearle esta ciencia a cambio de que Nala le d lecciones de manejo de los caballos. El texto dice as: Nala baj rpido del carro y cont el rbol. Y admirado dijo al rey; Los he contado y haba los frutos que t dijiste. He visto tu ciencia maravillosa, oh rey; deseo conocer el medio por el que se aprende esa ciencia. El rey le respondi: Sabe que soy hbil en el juego de dados y entendido en la ciencia de contar. Antes de aprender esta ciencia, Nala era un apostador excesivo, pero luego de aprenderla es capaz de hacer apuestas ms sensatas. El Mahbharata no menciona con detalle de qu ciencia se trata, pero reconoce, como ya se vio, que Rituparna usa los dados para estimar el nmero de hojas del rbol. Como quiera que sea, el concepto de estimacin slo empez a ser estudiado en Europa hasta el siglo XIX, lo cual quiere decir que los hindes, mucho antes que los europeos, ya tenan una posible teora del muestreo. El texto del Mahbharata, ya se haba completado alrededor del siglo IV dc, como ahora se conoce, aunque parece ser que la redaccin del texto fue aproximadamente en el siglo IV ac. Existe una traduccin del episodio de Nala del Mahbharata, en la coleccin Austral de la editorial Espasa Calpe, en cuyos captulos XIV, XV y XX, encontrarn los amenos dilogos de los personajes de esta leyenda.