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
Competencias
Al termino de la sesión, 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.
 Motivación
Suponga que una compañía de cosméticos planea
elaborar un nuevo perfume. 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 0.15 0.20 0.20 0.15 0.10 0.05 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?.
 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 , talque a cada
elemento w Є Ω le asocia un número
real x Є Rx.
Ejemplo 1
Sea el experimento: Lanzar una moneda dos veces y sea la
variable aleatoria X = Número de caras que se obtiene.
Obtenga el espacio muestral y el recorrido de X.

El espacio muestral es: Ω= { cc, cs, sc, ss}

El recorrido de X está dado por: Rx = {0, 1, 2}
 Distribución de Probabilidad

Sea X: ΩRx una variable aleatoria que

toma los valores x1, x2, .... Entonces,
P(xi) es la distribución de probabilidad de
la variable aleatoria X, si a cada valor xi
le asigna su respectiva probabilidad de
ocurrencia; es decir:
P (xi) = P (X = xi) = P (w Є Ω / X (w) = xi)
 Función de Distribución
La función de distribución de una variable aleatoria X,
denotada por F, es una función definida por:

F (a) = P (X  a) = P (w Є Ω / X (w)  a) ,  a Є R

Es decir, F (x) es la probabilidad de que la variable aleatoria

X tome valores menores o iguales que a. Además, F(x) esta
definida en todo R.

Propiedades

 La función de distribución es no decreciente.

 Toda función de distribución es continua por la derecha;

es decir:
 Variables Aleatorias Discretas

Una variable aleatoria X: Ω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), si x  Rx
P( x)  
0, si x  Rx
Esta función satisface las siguientes condiciones:

P (X)  0,  x Є R

 p( x)  1
xRx

F (a)   P( x)
xa
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, considere que
ambos resultados son igualmente probables.

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

Por propiedad: 1 2 3 4
   1
k k k k
 K  10
Ejemplo 4
Suponga que una compañía de cosméticos planea elaborar un nuevo
perfume. 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 0.15 0.20 0.20 0.15 0.10 0.05 0.05 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)  0.15
c ) P (2  X  4)  P ( X  2)  P ( X  3)  P ( X  4)  0.55
d ) P ( X  1)  1  P ( X  0)  1  0.05  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)
0.40
  0.6667
0.60
 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, denotado
por: E(X), esta definida de la siguiente manera:

E( X )   xp( x)
xRx

Propiedades
 Si la variable aleatoria X toma un valor constante k, entonces:
E(X) = k.
 Si a y b son constantes y X una variable aleatoria cuya E(X) existe,
entonces: E(aX b) = aE(X)  b
 Varianza

Sea X: ΩRx una variable aleatoria discreta y sea u = E(X). La

varianza de X, denotado por: V (X)=σ2, 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, 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)
Ejemplo 5
Calcule la esperanza y la varianza de la v.a. 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)  1.5 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  0.75 caras 2

 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. Después de la fecha de vencimiento, los
galones que no se vendieron, se devuelven; por lo que, la ferretería recibe del
distribuidor una cantidad igual a 3/4 del precio de compra por cada galón que no
se vendió. 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.
 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?
 REFERENCIA BIBLIOGRÁFICAS
1. Anderson, Sweeney y Williams. (2012). Estadística para
Administración y Economía. Décima primera edición. Cengage
Learning.
2. Wackerly, Mendenhall y Scheaffer. (2009) Estadística
Matemática con aplicaciones. Séptima edición. Cengage
Learning.
3. Montesinos L., Cerna E., Llanos K., Pajuelo S. y Bayona Y.
(2014) Estadística I (desde un enfoque por competencias).
Primera edición. Fondo editorial Universidad San Ignacio De
Loyola