Varianza, Desviación Estándar y Función Acumulada: Conceptos y Aplicaciones

Varianza, Desviación Estándar y Función Acumulada

Las variables aleatorias continuas son aquellas que pueden tomar cualquier valor dentro de un intervalo, como la altura de una persona o el tiempo que tardas en llegar a la escuela. A diferencia de las variables discretas, estas requieren herramientas matemáticas más sofisticadas para analizar su comportamiento.

Para entender completamente una variable aleatoria continua, necesitas conocer tres conceptos fundamentales: su varianza (qué tanto se dispersan los valores), su desviación estándar (la raíz cuadrada de la varianza), y su función acumulada (la probabilidad acumulada hasta cierto punto).

💡 Tip clave: Piensa en la varianza como una medida de "qué tan extendidos" están los datos alrededor de su promedio.

¿Qué es la Varianza?

La varianza de una variable aleatoria continua se calcula usando integrales, no sumas como en el caso discreto. Básicamente, te dice qué tan lejos están los valores de su promedio esperado.

La definición formal es: la varianza es la esperanza del cuadrado de la diferencia entre la variable y su esperanza. Suena complicado, pero es solo una forma elegante de decir "qué tan dispersos están los datos".

💡 Recuerda: La varianza siempre es un número positivo o cero, nunca negativo.

Fórmula para Calcular la Varianza

La varianza se representa con σ² o V(X) y su fórmula es:

σ² = V(X) = ∫_{-∞}^{∞} x² · f$x$ dx - μ²

Esta fórmula tiene dos partes importantes: primero calculas la "esperanza de X²" (la integral), y luego le restas el cuadrado de la media (μ²). Es como encontrar el promedio de los cuadrados y ajustarlo.

La integral se evalúa solo donde f$x$ ≠ 0, así que en la práctica trabajarás con intervalos más pequeños.

💡 Dato útil: Esta es la fórmula más práctica para calcular varianza, aunque existe otra versión equivalente.

Ejemplo Práctico: La Función de Densidad

Veamos un ejemplo concreto. Tenemos una variable aleatoria continua X con esta función de densidad:

f$x$ = 1 - x/2 para 0 ≤ x ≤ 2, y f$x$ = 0 en cualquier otro caso.

Esta función nos dice cómo se distribuyen las probabilidades. Nota que solo "existe" entre 0 y 2, fuera de ese rango la probabilidad es cero.

💡 Visualízalo: Esta función forma una línea recta que baja de 1 hasta 0, creando un triángulo.

Paso 1: Calcular la Media

Antes de calcular la varianza, necesitas encontrar la media o valor esperado:

μ = E(X) = ∫_{-∞}^{∞} x · f$x$ dx

Para nuestro ejemplo, como f$x$ = 0 fuera del intervalo [0,2], la integral se reduce a evaluar solo entre 0 y 2. El resultado es μ = E(X) = 2/3.

Este valor te dice el "centro" de la distribución, el punto alrededor del cual se concentran los datos.

💡 Importante: Siempre calcula primero la media, la necesitarás para la varianza.

Paso 2: Aplicar la Fórmula de Varianza

Ahora usamos la fórmula de varianza:

σ² = V(X) = ∫_{-∞}^{∞} x² · f$x$ dx - μ²

Como f$x$ = 0 fuera de [0,2], la integral se simplifica a: σ² = V(X) = ∫_0^2 x² · $1 - x/2$ dx - μ²

Este paso requiere sustituir la función f$x$ y los límites correctos de integración.

💡 Consejo: Siempre verifica los límites de integración según donde f$x$ ≠ 0.

Paso 3: Resolver la Integral

Expandimos la integral:

σ² = V(X) = ∫_0^2 $x² - x³/2$ dx - $2/3$²

Resolviendo paso a paso: σ² = V(X) = $x³/3 - x⁴/8$|_0^2 - 4/9

Evaluamos en los límites: σ² = V(X) = 8/3 - 16/8 - 0 - 4/9

El álgebra puede parecer tediosa, pero cada paso te acerca al resultado final.

💡 Tip de cálculo: Lleva cuidado con las fracciones, es donde más errores ocurren.

Resultado Final de la Varianza

Simplificando las fracciones:

σ² = V(X) = 8/3 - 2 - 4/9

Convirtiendo todo a novenos: σ² = V(X) = $24 - 18 - 4$/9

σ² = V(X) = 2/9

¡Listo! La varianza de nuestra variable aleatoria continua es 2/9 ≈ 0.222. Este número te dice qué tan dispersos están los valores alrededor de la media μ = 2/3.

💡 Interpretación: Una varianza pequeña significa que los datos están concentrados cerca de la media.

Desviación Estándar: La Raíz de la Varianza

La desviación estándar se representa con σ y es simplemente la raíz cuadrada positiva de la varianza:

σ = √σ²

¿Por qué es útil? Mientras la varianza está en unidades al cuadrado, la desviación estándar regresa a las unidades originales de tus datos. Es más fácil de interpretar.

Tanto la varianza como la desviación estándar te dan medidas cuantitativas de cuánta dispersión existe en tu distribución.

💡 Regla práctica: La desviación estándar es más intuitiva para interpretar resultados.

Cómo Calcular la Desviación Estándar

Para calcular la desviación estándar, sigue estos tres pasos:

1. Calcular el valor esperado (la media μ)
2. Calcular la varianza (σ²)
3. Sacar la raíz cuadrada de la varianza

Para nuestro ejemplo: σ = √$2/9$ = 0.4714

Esto significa que, en promedio, los valores se desvían aproximadamente 0.47 unidades de la media. ¡Mucho más fácil de interpretar que 2/9!

💡 Resultado clave: Una desviación estándar de 0.47 indica dispersión moderada en esta distribución.