Semana 9- Variable Aleatoria Discreta

Plan de clase
• Competencias
• Motivación.
Inicio • Saberes previos.

• Variables Aleatorias. Esperanza Matemática. Varianza.
Contenido de • Variables Aleatorias Discretas. Esperanza Matemática. Varianza
sesión

• Retroalimentación.
• Autoevaluación
Cierre

el estudiante estará en capacidad de:  Calcular probabilidades utilizando la distribución de probabilidades de una variable aleatoria discreta.  Calcular la esperanza y varianza de una variable aleatoria discreta. .Competencias Al termino de la sesión.

15 0.15 0.20 0.05 0.05 a) ¿Cuál es la probabilidad que el primer año se venda a los mas 3 millones botellas? b) ¿Cuál es la probabilidad de que el primer año venda por lo menos 5 millones de botellas? c) ¿Cuál es la probabilidad de que el primer año venda entre 2 y 4 millones de botellas?.05 0.10 0.20 0. El gerente de producto ha estimado las siguientes probabilidades subjetivas para las ventas del primer año (en millones de botellas): X 0 1 2 3 4 5 6 7 8 P(x) 0.05 0. Motivación Suponga que una compañía de cosméticos planea elaborar un nuevo perfume. .

talque a cada elemento w Є Ω le asocia un número real x Є Rx. Variables Aleatorias Una Variable Aleatoria es una función que asigna un número a cada elemento en el espacio muestral. Definición Una variable aleatoria es una función X: ΩRx. Rx . .

cs. 2} .Ejemplo 1 Sea el experimento: Lanzar una moneda dos veces y sea la variable aleatoria X = Número de caras que se obtiene. 1. ss} El recorrido de X está dado por: Rx = {0. El espacio muestral es: Ω= { cc. Obtenga el espacio muestral y el recorrido de X. sc.

. Distribución de Probabilidad Sea X: ΩRx una variable aleatoria que toma los valores x1. P(xi) es la distribución de probabilidad de la variable aleatoria X. x2. .. es decir: P (xi) = P (X = xi) = P (w Є Ω / X (w) = xi) . Entonces.. si a cada valor xi le asigna su respectiva probabilidad de ocurrencia.

Propiedades  La función de distribución es no decreciente. denotada por F.  Toda función de distribución es continua por la derecha.  a Є R Es decir. Función de Distribución La función de distribución de una variable aleatoria X. F (x) es la probabilidad de que la variable aleatoria X tome valores menores o iguales que a. es decir: . F(x) esta definida en todo R. Además. es una función definida por: F (a) = P (X  a) = P (w Є Ω / X (w)  a) .

Variables Aleatorias Discretas Una variable aleatoria X: ΩRx. si x  Rx P( x)   0. si x  Rx . es discreta si su recorrido Rx es un conjunto contable finito o infinito numerable de números reales. Función de Probabilidad La función de probabilidad conocida también como función de cuantía esta definida de la siguiente manera: P( X  x).

 x Є R  p( x)  1 xRx F (a)   P( x) xa .Esta función satisface las siguientes condiciones: P (X)  0.

considere que ambos resultados son igualmente probables.Ejemplo 2 Sea el experimento: E1: Lanzar una moneda tres veces Obtenga la distribución de probabilidad de la variable aleatoria: X = Número de caras que se obtiene. X 0 1 2 3 P(X) 1/8 3/8 3/8 1/8 .

REPRESENTACIÓN GRÁFICA DE LA DISTRIBUCIÓN DE PROBABILIDADES P(X) 3/8 2/8 1/8 0 1 2 3 Número de caras .

x 1 k f ( x)  P( X  x)   3 . halle el valor de k. tiene la siguiente función de probabilidad.Ejemplo 3 El número de televisores vendido diariamente en una tienda . x3 k Por propiedad: 1 2 3 4    1 k k k k  K  10 . x2 k 4  . x0  2 . 1 k .

40   0.05 Encuentre las siguientes probabilidades: a ) P ( X  3)  P ( X  o)  P ( X  1)  P ( X  2)  0.40 b) P ( X  5)  P ( X  6)  P ( X  7)  P ( X  8)  0. El gerente de producto ha estimado las siguientes probabilidades subjetivas para las ventas del primer año (en millones de botellas): X 0 1 2 3 4 5 6 7 8 P(x) 0.95 P  ( X  1  X  3)  P ( X  2)  P ( X  3) e) P ( X  1 / X  3)    P ( X  3) P ( X  3) 0.10 0.20 0.15 0.15 c ) P (2  X  4)  P ( X  2)  P ( X  3)  P ( X  4)  0.05 0.Ejemplo 4 Suponga que una compañía de cosméticos planea elaborar un nuevo perfume.05  0.60 .20 0.05 0.05 0.55 d ) P ( X  1)  1  P ( X  0)  1  0.15 0.6667 0.

 Si a y b son constantes y X una variable aleatoria cuya E(X) existe. denotado por: E(X). entonces: E(aX b) = aE(X)  b . Esperanza Matemática Sea X: ΩRx una variable aleatoria discreta y p(x) su función de cuantía. La esperanza matemática o valor esperado de X. entonces: E(X) = k. esta definida de la siguiente manera: E( X )   xp( x) xRx Propiedades  Si la variable aleatoria X toma un valor constante k.

denotado por: V (X)=σ2. entonces: V(X) = 0.  Si a y b son constantes y X una variable aleatoria cuya V(X) existe. entonces: V (aX b) = a2 V(X) . esta definida de la siguiente manera:  2  V (X )   xRx ( x  u ) 2 p ( x) Otra forma de obtener la varianza: σ2 = V(X) = E(X2) – [E(X)]2 Propiedades  Si la variable aleatoria X toma un valor constante. La varianza de X. Varianza Sea X: ΩRx una variable aleatoria discreta y sea u = E(X).

5 caras E ( X 2 )  02 (1 / 8)  12 (3 / 8)  2 2 (3 / 8)  32 (1 / 8)  3 caras 2 V ( X )  E ( X )   E ( X ) 2 2  3  1.52  0.Ejemplo 5 Calcule la esperanza y la varianza de la v. del ejemplo anterior X 0 1 2 3 P(X) 1/8 3/8 3/8 1/8 E ( X )  0(1 / 8)  1(3 / 8)  2(3 / 8)  3(1 / 8)  1.75 caras 2 .a.

Ejercicio propuesto Suponga que una ferretería compra 3 galones de pintura a un precio de 24 soles por galón y lo revende a 30 soles. la ferretería recibe del distribuidor una cantidad igual a 3/4 del precio de compra por cada galón que no se vendió. Después de la fecha de vencimiento. los galones que no se vendieron. . por lo que. Si la distribución de probabilidades de la variable aleatoria X (número de galones que se vendieron) está dada por: a) Halle la función de probabilidad de la ganancia neta. b) Determine su valor esperado y su varianza. se devuelven.

SÍNTESIS Experimento aleatorio – Espacio muestral – Variable aleatoria discreta X – Recorrido de X Probabilidad  Distribución de probabilidad: P(x)  Función de distribución: F (a) = P (X £ a) = P (w Є Ω / X (w) £ a)  Esperanza de la variable aleatoria discreta x  Varianza de la variable aleatoria discreta x .

METACOGNICIÓN  ¿Que aspectos te han parecido interesantes?  ¿Que contenido consideras más importante del tema trabajado?  ¿Qué competencias del tema podrías aplicar en tu vida diaria? .

(2014) Estadística I (desde un enfoque por competencias). REFERENCIA BIBLIOGRÁFICAS 1. Sweeney y Williams. 2. (2012).. Fondo editorial Universidad San Ignacio De Loyola . Anderson. Séptima edición.. Cerna E. Estadística para Administración y Economía. (2009) Estadística Matemática con aplicaciones. Cengage Learning. Llanos K.. Wackerly. Montesinos L. Pajuelo S. Décima primera edición. Primera edición. y Bayona Y. Mendenhall y Scheaffer. Cengage Learning. 3.