Variable aleatoria

Cómo modelamos la incertidumbre en matemáticas y machine learning

Una variable aleatoria es una función que asigna un valor numérico a cada posible resultado de un experimento aleatorio.

👉 Es el concepto central para modelar incertidumbre, ruido y datos en estadística y aprendizaje automático.

Definición corta

Una variable aleatoria es una variable cuyo valor depende del resultado de un fenómeno aleatorio.

Definición matemática

$X:\Omega \rightarrow \mathbb{R}$

👉 donde:

$\Omega$ Ω: espacio muestral
$X$ X: asigna valores numéricos

Intuición

Una variable aleatoria responde:

👉 “Asigno un número a cada resultado posible”

Evento → número

Ejemplo simple

Lanzar un dado:

Resultados: {1,2,3,4,5,6}  Variable aleatoria X = resultado

Tipos de variables aleatorias

🔹 Discretas

valores contables
ejemplo: número de caras

🔹 Continuas

valores en un intervalo
ejemplo: altura, temperatura

Comparación

Tipo	Ejemplo	Valores
Discreta	dado	1,2,3,…
Continua	altura	infinitos

Distribución de probabilidad

Una variable aleatoria está definida por su distribución:

🔹 Discreta

$P(X = x)$

🔹 Continua

$f(x)$

👉 describe cómo se distribuyen los valores.

Ejemplo conceptual

Valores posibles  ↓  Probabilidades  ↓  Distribución

Esperanza (valor esperado)

$\mathbb{E}[X]$

👉 valor promedio esperado.

Ejemplo

Dado → media = 3.5

🧠 Varianza

$\text{Var}(X)$

👉 mide la dispersión.

📊 Interpretación

Valores alejados  ↓  Alta varianza

🧠 Relación con machine learning

Las variables aleatorias modelan:

datos
ruido
parámetros
predicciones

Ejemplo conceptual

Datos reales  ↓  Variable aleatoria  ↓  Modelo aprende distribución

Ejemplo en ML

salida de modelo → variable aleatoria
error → variable aleatoria
features → variables aleatorias

📊 Ejemplo conceptual

Entrada X  ↓  Modelo  ↓  Salida Y (aleatoria)

Ejemplo en Python

			
import numpy as np
# variable aleatoria normal
samples = np.random.normal(0, 1, 5)
print(samples)

Qué muestra este ejemplo

generación de valores
comportamiento aleatorio
distribución

⚠️ Errores comunes

Pensar que es “variable cualquiera”

Debe estar ligada a probabilidad.

Ignorar distribución

Es esencial.

Confundir valor y variable

La variable describe el proceso.

Ejemplo conceptual en ML

Variable aleatoria  ↓  Distribución  ↓  Modelo probabilístico

Interpretación profunda

La variable aleatoria es fundamental porque:

👉 Todo en machine learning puede verse como incertidumbre modelada

Permite:

cuantificar incertidumbre
modelar datos reales
construir modelos probabilísticos

Conclusión

Una variable aleatoria es el puente entre fenómenos reales inciertos y modelos matemáticos, siendo esencial para estadística y machine learning.

👉 Es uno de los conceptos más fundamentales en todo el campo.

Related Concepts

Distribución de probabilidad
Esperanza
Varianza
Probabilidad conjunta
Inferencia