STATISTICS

AND PROBABILITY
Module 2

LESSON 1:
Mean of Discrete Random Variables
 RECALL:
• What is a random variable?
Random Variables is a set whose elements are the numbers assigned to the outcomes of an experiment. It is a
variable whose values are determined by chance.
• What is a discrete random variables?
Discrete Random Variables is a random variable which takes only finitely many or
countably infinitely many different values. It is obtained by counting values for which
there are no in-between values, such as the integers 0, 1, 2,3,4,5……

• What is a continuous random variables?

Continuous random variables is a random variable which contains uncountably infinite number of Possible
values. It’s values are obtained by measurement And may assume all values In the
The interval between any two litle think we are. S fight and here we us right now.
 EXPECTATIONS:
After exploring this supplementary learning material, you 

should be able to:

Illustrate the mean of  a discrete random variable;

Calculate the mean of  a discrete random variable;

Interpret the mean of a discrete random variable; and

Solve problems on expected values.
 LOOKING BACK

The importance of probability distribution is to help us to calculates various
probabilities connected with the different values expected in the random 
variables,  and the summary measures of a random variables, and 
this  summary includes the  mean.

 This section explains how the mean of probability distributions 

is computed and  interpreted.
 ACTIVITY #1
Directions: Give all the possible values of each random variables.

1. A: Number of odd number outcomes in a roll of a die. {1,3,5}
2. B: Scores of a Grade 11 student in a 5 - item quiz. {0,1,2,3,4,5}
3. C: Height (in cm) of a child that does not exceed 98 cm. ≤98 cm; {98, 97,96,95,94....}
4. Find your final grade in Statistics class at the 
end of the quarter if you obtained  the following data:
​ Weight​ Raw Score​ Weight*RS​ Weighted Score​

Written Exam​ 30%​ 85​ (0.30)85​ ​

25.5
Performance Task​ 45%​ 90​ (.45)90​ ​
40.5
Quarter Exam​ 25%​ 88​ (0.25)88​ ​
22

Final Grade:______
88
 BRIEF INTRODUCTION
Mean is one of the most important probabilistic concepts
in statistics. The mean of the discrete random variable X, 
denoted by X and µ, it is the weighted  average of all possible 
values of X. It does not have to be a value of discrete random  
variable can assume.
E(X)  =  µ = ΣxP(x)
 E(X) is the mean of the outcomes x
 µ is the mean
 ΣxP(x) is the sum of each random variable value x multiplied by i
ts own  probability P(x)
 Example 1
Let X be the number of cakes sold in a certain store during Valentine’s day, along with its
corresponding probabilities is given in the table below. Solve the mean of  X.
X​ 10​ 15​ 20​ 25​ 30​ 35​

P(X)​ 0.05​ 0.10​ 0.24​ 0.35​ 0.14​ 0.12​

SOLUTION:
Step 1: Identify all   Step 2: Determine the​ Step 3: Multiply each​ Step 4: Find the sum of the products.
possible outcomes.​ probability of each  outcome value with
 possible outcome.​ its  respective  Σ X· P(X) = 23.95
probability.​
Step 5: Interpret the result. The value obtained
Number of Cakes   Probability P(X)​ X· P(X)​ is called the mean of the random variable X or the 
Sold (X)​ Mean of the probability distribution of X. The 
10​ 0.05​ 0.5​ mean tells us that the average number cakes sold  
15​ 0.10​ 1.5​ By a certain store during valentine’s day is 23.95. 
20​ 0.24​ 4.8​ Since we are referring to a number  of cakes, thus
25​ 0.35​ 8.75​ , 
30​ 0.14​ 4.20​ the mean is  approximately 24 cakes.
35​ 0.12​ 4.20​
Note: The mean of random variable X is also referred
 
to as the expected value,  denoted by µx = E[X].
Example 2
Calculate the mean of a discrete random variable.  Below is the probability for  the artist visits 
nearby beauty clinic in a one-month period.
X​ 0​ 1​ 3​ 5​ 7​
P(X)​ 3​/10​ 3​/10​ 2​/10​ 1​/10​ 1​/10​
Solution:
Following the steps above, the answers are as follows:

X​ P(X)​ X· P(X)​
0​ 3​/10​ 0​

1​ 3​/10​ 3​/10​ Therefore, the mean of the 

distribution is 2.10.​
3​ 2​/10​ 6​/10​ ​

5​ 1​/10​ 5​/10​

7​ 1​/10​ 7​/10​

Σ X· P( X) = 21/10 = 2.10
 Example 3

Let X be the number of children in a certain family and their corresponding  

probabilities. Compute for the expected value.
Number of children​ 1​ 2​ 3​ 4​ 5​ 6​ 7​

Probability​ 24.5%​ 32.8%​ 10.2%​ 7.5%​ 8.75%​ 7.25%​ 9%​

Solution:​
We can find the mean of the given probability distribution by multiplying X to its  corresponding
 P(X) in decimal or fraction and adding the products. We therefore have:​
X​ 1​ 2​ 3​ 4​ 5​ 6​ 7​ ​
E[X] =​
P(X)​ 0.2450​ 0.3280​ 0.1020​ 0.0750​ 0.0875​ 0.0725​ 0.0900​ Σ X· P(X)​
X· P(X)​ 0.2450​ 0.6560​ 0.3060​ 0.3000​ 0.4375​ 0.4350​ 0.6300​ = 3.0095​

Interpretation:​
The computed mean is 3.0095, we only consider an approximated value of 3  since we refer to a person
. Hence, the average size is 3 for each family.
Example 4​
The doctor is interested
in the number of times a patient’s coughing wakes  them after taking a medicine.
 For a random sample of 40 patients, the following  information was obtained.​

Solution:​
Let X = the number of times a patient’s coughing wakes them after taking a  medicine.​
X​ P(X)​ X· P(X)​
1​ 9​/40​ 9​/40​or 0.225

2​ 3​/40​ 3​/20​or 0.15

3​ 15​/40​ 9​/8​or 1.125 Therefore, the mean of the distribution

is 2.95.​
4​ 7​/40​ 7​/10​or 0.7

5​ 6​/40​ 3​/4​or 0.75

Σ X· P(X) = 59/20 =2.95​
 Example 5​
In a game of tossing two coins, you will receive Php50 if two tails appear;  otherwise, you
pay Php15. Is this game fair? Why?​

Solution:​
Let X be the random variable for the gain in this game. The probability  distribution is shown 
below.​
The table shows that a gain of Php50 (denoted by 50) is a winning 
X​ 50​ -15​
amount  when exactly two tails appear in tossing two coins, while a 
P(X=x)​ 1​/4 3​/4 loss of Php15 (denoted by -15) when getting at most 1 tail. The 
expected value is:
E[X] = Σ Xi · P( X i ) = X1 · P(X1) + X2 · P(X2)
= 50 (1/4 ) + (—15)(3/4 )​
Thus, thisgame is not fair because the expected value = 1.25​
of the gain is 1.25 and  not zero. (Note that the game 
is fair if the expected value of the gain or loss equal t
o  zero). It means that if you play this game several
times, the average gain is Php1.25​
​
Activity 2​

1. Let X be the number of typographical errors found per page in certain books. The  table 
below shows a probability distribution of X.​
X​ 0​ 1​ 2​ 3​ 4​
P(X)​ 0.65​ 0.15​ 0.10​ 0.09​ 0.01​
Find the mean of X.​

2. Calculate the mean of the number of friends who are an anime fans (X)  with the  probability

distribution given the values 3, 5, 7, 9 and P(3) = 1/8 , P(5) = 1/2 , P(7) = 1/8and P(9) = 1/4 .
Solve for µ .​

​
​
CHECKING YOUR UNDERSTANDING​

A. Assume that X is the discrete random variable with the probability shown on table  below. 
The µ. .​

1. X​ P(X)​ X· P(X)​
1​ 0.20​ ​
2​ 0.25​ ​
3​ 0.15​ ​
4​ 0.10​ ​
5​ 0.30​ ​

B. Solve the following problems.
1.Below is probability distribution of the number of condominiums sold per month. X  is the 
number of units sold. Calculate the µ.​ X  P(x)​
​ 
X 2 3 4 5
P(X) 2/7 3/7 1/7 1/7

2.Find the missing probability and calculate the mean.​

X​ 5​ 10​ 15​ 20​ 25​

P (x)​ 3​/10​ 1​/10​ ?​ 3​/10​ 2​/10​

Student A has a synchronous 4-days a week. He attends classes 4 days a week
85%  of the time, 3 days 7% of the time, 2 days 5% of the time and 1 day 3% of th
e time,  and a week is
randomly chosen. Let X = the number of days Student A attends his  asynchronous
class per week. Solve the mean.​
 REMEMBER​

In computing the mean of the discrete random variable,
we should follow the  steps such as: (1) identifying all possible outcomes; (2) determining the probability for  
each possible outcome; (3) computing the product of the
random variable and its  corresponding probabilities; (4) getting the sum of all the
products; and (5) interpreting  the results.​
​

The mean of  the discrete random variable X, denoted by X and µ, is the  

weighted average of expected outcome. It does not have to be a value of discrete  random variable can
assume. The formula used to compute for the mean of the  discrete random variable is:​
E(X)  =  µ = ΣxP(x)​
• E(X) = is the mean of the outcomes x​
• µ is the mean​
• ΣxP(x) is the sum of each random variable value x multiplied by its own  probability P(x)​
Word of the Day: