You are on page 1of 13

ESTADÍSTICA I

Variables Aleatorias Discretas


Área: Formación Básica
Programa de Coordinación: Ciencias
PLAN DE CLASE
• Motivación
• Competencias
Inicio • Saberes previos

• Variable aleatoria, clasificación: Discretas y Continuas.


• Variable aleatoria discreta: Definición, función de
Construcci Probabilidad y Función de Distribución de
ón
Probabilidades
• Esperanza y varianza de la variable aleatoria discreta.

• Retroalimentación
Cierre
• Autoevaluación

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 2


MOTIVACIÓN

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 3


COMPETENCIAS

Determina la
función de
Probabilidad y
la Función de
Distribución de
Probabilidades

Resuelve
Calcula
ejercicios de
probabilidades
aplicación Define variables
de variables
sobre variables aleatorias
aleatorias
aleatorias
discretas
discretas

Calcula el valor
esperado y la
varianza de
variables
aleatorias
discretas

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 4


SABERES PREVIOS

 ¿Qué es una variable aleatoria?

 ¿Qué es una distribución de probabilidad de una

variable aleatoria?

 ¿Qué es una esperanza matemática?

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 5


VARIABLES ALEATORIAS

Dado un experimento aleatorio  y el espacio muestral  asociado a , una


función X que asigna a cada suceso w   un valor X(w) = x ó número
real, se llama variable aleatoria.
Es decir, la variable aleatoria es una función matemática capaz de asignar
valores a cada uno de los sucesos del espacio muestral de un
experimento. Valores que se denominan rango de la variable.

TIPOS DE VARIABLES ALEATORIAS


 Variable Aleatoria Discreta.- cuando sus valores pueden ser
contados o son valores enteros.
 Variable Aleatoria Continua.- Cuando sus valores están en un
intervalo o son valores reales.

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 6


VARIABLE ALEATORIA DISCRETA

Se llama así a la variable cuyo rango RX es un conjunto finito numerable.


Esto es, si todos sus valores posibles se pueden listar o enumerar.

Función de Probabilidad
Sea X una variable aleatoria discreta con rango RX, se llama función de
probabilidad a P(X) que está dada por:
P(X)  P[X  x]   P[w]
w   / X( w ) x

y que además satisface:

 P(X) > 0,  X  RX

 
X RX
P(X)  1

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 7


VARIABLE ALEATORIA DISCRETA

Función de Distribución de Probabilidad


Sea X una variable aleatoria discreta con rango de RX, y sea su función de
probabilidad P[X=x]. Se denomina Función de Distribución de Probabilidad
de X a F(X) definida por:
F(X)  P[X  x]  
xi  x
P(x i )  
xi  x
P[X  x i ],  x  R X

y que además satisface:

 0  F(X)  1,  x  RX

 F(X) es una función creciente. Esto es, si x1  RX y x2  RX, son tales


que x1  x2 entonces: F(x1)  F(x2).

 Lim F(X)  P[x  R X / x  ]  P[x  ]  1


x 

 xLim F(X)  P[x  R X / x  ]  P[x  ]  0


 

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 8


EJEMPLO 1

Sea X el número de caras obtenidas al lanzar tres monedas a la vez.


El experimento es:  = {Lanzar tres monedas a la vez}
El espacio Muestral es
 = {CCC,CCS, CSC, CSS, SCC, SCS, SSC, SSS }
Los valores de X son:

0 sucesos : SSS X P(X)


 1 sucesos : CSS,SCS,SSC 0 P(X  0)  1 8

X
2 sucesos : CCS,CSC,SCC 1 P(X  1)  3 8
3 sucesos : CCC 2 P(X  2)  3 8
3 P(X  3)  1 8
1 3 3 1

x RX
P(X)      1
8 8 8 8

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 9


EJEMPLO 2

Se tiene una urna que contiene 2 bolillas negras, 3 bolillas blancas y 4


bolillas rojas. Se extrae una bolilla en forma sucesiva y sin reposición
hasta que se obtenga una bolilla roja. Se define como variable aleatoria X
al número de extracciones hasta conseguir una bolilla roja.

Solución
 = { Extraer una bolilla en forma sucesiva y sin reposición hasta que se
obtenga una bolilla roja }.
R = Bolilla Roja, O = Bolilla de otro color
 = { R, OR, OOR, OOOR, OOOOR, OOOOOR }
La variable aleatoria:
X = {número de extracciones hasta que se obtenga una bolilla roja}
Rango de X es RX ={ 1, 2, 3, 4, 5. 6 }

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 10


EJEMPLO 2

4
P[X  1]   0,4444
9 X P(X)
54 5
P[X  2]    0,2778 1 0,4444
9 8 18
2 0,2778
5 4 4 10
P[X  3]    0,1587 3 0,1587
9 8 7 63
4 0,0794
5434 5
P[X  4]    0,0794
9 8 7 6 63 5 0,0317
54324 2 6 0,0079
P[X  5]    0,0317
9 8 7 6 5 63
543214 1
P[X  6]    0,0079
9 8 7 6 5 4 126

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 11


VARIABLE ALEATORIA DISCRETA

Esperanza Matemática (Valor Esperado)


Es el valor promedio ponderado de todos los valores numéricos de una
variable aleatoria discreta, utilizando como ponderación sus respectivas
probabilidades. Esto es:
E(X)   xP(x)
x RX

Varianza
Es el valor promedio de las desviaciones al cuadrado con respecto al valor
esperado. Esto es:
2
 
V(X)  E[X2 ]  E(X)   P(x)    x P(x) 
2
x2
x RX  x RX 

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 12


EJEMPLO 3

Con los datos del Ejemplo 2, calcule la esperanza matemática y su


correspondiente varianza

E(X)  
x RX
xP(x)

4 5 10 5 2 1
E(X)  (1)  (2)  (3)  (4)  (5)  (6)  2,00
9 18 63 63 63 126

V(X)  E[X2 ]  E(X)


2

 4 5 10 5 2 1 
V(X)  (12 )  (22 )  (32 )  (4 2 )  (5 2 )  (6 2 )   2 2
 1,33
 9 18 63 63 63 126 

Estadística I : Variables Aleatorias Discretas domingo, 23 de Junio de 2019 13