Conceptes bàsics de variables aleatòries
En estadística i teoria de la probabilitat, les variables aleatòries són un dels conceptes més fonamentals, que serveixen de pont entre els esdeveniments aleatoris i l'anàlisi matemàtica mesurable. A través de variables aleatòries, podem "traduir" els resultats d'un experiment aleatori —que inicialment consisteix en esdeveniments o categories— en nombres que es poden processar: calculant les seves probabilitats, resumint-les amb mitjanes, mesurant la seva dispersió i fins i tot modelant-les mitjançant distribucions específiques. Aquest article tracta els conceptes bàsics de les variables aleatòries, els seus tipus i conceptes clau com ara la funció de probabilitat, la funció de distribució acumulativa, el valor esperat i la variància.
1. Què és una variable aleatòria?
En termes senzills, una variable aleatòria és una funció que assigna cada resultat d'un espai mostral a un nombre real. L'espai mostral és el conjunt de tots els resultats possibles d'un experiment aleatori.
Per exemple, suposem que tirem un dau de sis cares. L'espai mostral és {1, 2, 3, 4, 5, 6}. Podem definir la variable aleatòria \(X\) com "el nombre que apareix al dau". Aleshores \(X\) pot tenir valors de l'1 al 6, amb la mateixa probabilitat si el dau és just.
Un altre exemple: llancem dues monedes. L'espai mostral és {HH, HT, TH, TT}. Si definim la variable aleatòria \(Y\) com "el nombre de cares (H) que apareixen", aleshores:
– HH → \(Y = 2\)
– HT → \(Y = 1\)
– TH → \(Y = 1\)
– TT → \(Y = 0\)
Aquí veiem que les variables aleatòries no han de "reflectir" directament el resultat original; són una manera d'assignar valors numèrics a resultats aleatoris segons les necessitats de l'anàlisi.
2. Tipus de variables aleatòries: discretes i contínues
En general, les variables aleatòries es divideixen en dos tipus principals:
a) Variables aleatòries discretes
Una variable aleatòria discreta és una variable aleatòria els valors de la qual es poden comptar un per un (comptables), generalment en forma de nombres enters o un conjunt separat de valors específics.
Exemple:
– Nombre de fills en una família (0, 1, 2, 3, …)
– Nombre de vehicles que passen pel peatge en 1 minut
– Nombre d'articles defectuosos dels 10 productes inspeccionats
Per a variables aleatòries discretes, la probabilitat de cada valor es pot expressar directament en forma d'una funció de massa de probabilitat.
b) Variables aleatòries contínues
Una variable aleatòria contínua és una variable aleatòria que pot prendre valors en un interval continu a la recta de nombres reals (incomptable), per exemple tots els valors entre 0 i 1, o tots els valors reals positius.
Exemple:
– L'alçada d'una persona
– Temps d'espera del client al taulell
– Temperatura de l'aire a una hora determinada
Per a una variable aleatòria contínua, la probabilitat en qualsevol punt donat és essencialment zero. Per tant, la probabilitat es calcula sobre un rang de valors (per exemple, entre 10 i 12 minuts), utilitzant la funció de densitat de probabilitat.
3. Funcions de probabilitat: PMF i PDF
El següent concepte important és com la probabilitat s'"associa" al valor d'una variable aleatòria.
a) Funció de probabilitat de massa (FMP)
Per a una variable aleatòria discreta \(X\), la PMF es defineix com:
\[
p(x) = P(X = x)
\]
amb la disposició de:
1. \(p(x) \ge 0\) per a tot \(x\)
2. \(\sum_x p(x) = 1\)
Exemple senzill: daus justos
\[
P(X=k)=\frac{1}{6}, \quad k=1, 2, 3, 4, 5, 6
\]
b) Funció de densitat de probabilitat (PDF)
Per a una variable aleatòria contínua \(X\), fem servir la funció de funció (PDF) \(f(x)\) de manera que la probabilitat a l'interval \([a,b]\) sigui:
\[
P(a ≤ X ≤ b) = ∫_a^bf(x)∫_dx
\]
amb la disposició de:
1. \(f(x) \ge 0\)
2. \(\int_{-\infty}^{\infty} f(x)\,dx = 1\)
Val la pena emfatitzar: per a una variable aleatòria contínua, \(P(X=x)=0\) per a cada valor de \(x\). La probabilitat sempre té sentit quan es parla d'intervals.
4. Funció de distribució acumulativa (CDF)
Tant si són discretes com contínues, les variables aleatòries es poden descriure mitjançant la funció de distribució acumulativa (CDF), que es defineix com:
\[
F(x) = P(X ≤ x)
\]
El CDF té diverses propietats importants:
– El valor de \(F(x)\) sempre està entre 0 i 1
– \(F(x)\) no decreix (no decreix)
– \(\lim_{x\to\infty}F(x)=0\) i \(\lim_{x\to\infty}F(x)=1\)
Per a variables discretes, la funció de funció distribuïda (CDF) té forma d'"escala" (puja en certs punts). Per a variables contínues, la CDF és generalment suau i és la integral de la funció de funció distribuïda (PDF):
\[
F(x) = \int_{-\infty}^{x} f(t)\,dt
\]
5. Mesura de tendència central: valor esperat (expectativa)
Un cop coneixem la distribució de probabilitat, sovint volem resumir la variable aleatòria amb un sol nombre que representi el seu "valor mitjà a llarg termini". Aquest és el valor esperat o expectativa.
a) Expectatives de variables discretes
Si \(X\) és discret:
\[
E[X] = \sum_x x\,p(x)
\]
b) Esperança de variables contínues
Si \(X\) és contínua:
\[
E[X] = \int_{-infty}^{infty} x\,f(x)\,dx
\]
L'expectativa no sempre és el mateix que el "valor que es produeix més sovint" (moda), i no sempre és el valor que realment és probable que es produeixi, però és molt útil per a la presa de decisions, la previsió i l'anàlisi de riscos.
Exemple d'aplicació: En els negocis, les expectatives es poden utilitzar per calcular el benefici mitjà esperat d'una estratègia, tenint en compte diversos escenaris i les seves probabilitats.
6. Mesures de dispersió: variància i desviació estàndard
Dues variables aleatòries poden tenir la mateixa expectativa però diferents nivells d'incertesa. Per tant, necessitem mesures de dispersió, és a dir, la variància i la desviació estàndard.
La variància de \(X\) es defineix com:
\[
Var(X)=E[(XE[X])^2]
\]
La desviació estàndard és l'arrel quadrada de la variància:
\[
\sigma = \sqrt{Var(X)}
\]
Fórmules pràctiques que s'utilitzen sovint:
\[
Var(X) = E[X^2] – (E[X])^2
\]
Com més gran sigui la variància, més gran serà la dispersió dels valors \(X\) respecte a la mitjana, la qual cosa significa una major incertesa.
7. Distribucions de probabilitat d'ús freqüent
A la pràctica, moltes variables aleatòries segueixen certs patrons de distribució. Algunes distribucions populars són:
– Bernoulli: dos resultats (èxit/fracàs), per exemple veritable-fals, viu-mort.
– Binomial: el nombre d'èxits de \(n\) assaigs de Bernoulli, per exemple, el nombre d'estudiants que es graduen de 20 persones.
– Poisson: el nombre d'esdeveniments en un interval d'espai/temps, per exemple el nombre de trucades entrants per minut.
– Uniforme continu: tots els valors de l'interval són igualment probables.
– Normal (gaussiana): molts fenòmens naturals i socials s'acosten a aquesta distribució, com ara l'alçada o l'error de mesura.
Seleccionar la distribució correcta ajuda a que el modelatge i l'anàlisi siguin més precisos.
8. Per què són importants les variables aleatòries?
Les variables aleatòries són la base de:
– Estadística inferencial: estimació de paràmetres poblacionals a partir de mostres
– Prova d'hipòtesi: decidir si una afirmació està recolzada per dades
– Aprenentatge automàtic: modelització de la incertesa i la probabilitat de predicció
– Gestió de riscos: mesurar la probabilitat de pèrdues i escenaris extrems
– Enginyeria i ciència: processament de senyals, fiabilitat de sistemes, teoria de cues
Amb variables aleatòries, tenim un llenguatge matemàtic per parlar de la incertesa sistemàticament.
Conclusió
Una variable aleatòria és un concepte central en la teoria de la probabilitat que assigna els resultats d'experiments aleatoris a valors numèrics. Les variables aleatòries poden ser discretes o contínues, i cadascuna té una manera diferent de representar les probabilitats a través de la PMF o la PDF. A més, la CDF proporciona una manera comuna de veure l'acumulació de probabilitats. Per resumir una distribució, l'expectativa s'utilitza com a mesura de tendència central i la variància/desviació estàndard com a mesura de dispersió. Comprendre aquests conceptes bàsics facilitarà l'aprenentatge de temes més avançats com ara distribucions de probabilitat, estimació estadística, regressió i modelització de riscos i anàlisi de dades moderna.
Si voleu, també puc afegir exemples de preguntes i les seves explicacions (discretes i contínues) per fer que el concepte de variables aleatòries sigui més fàcil d'entendre.
