Variables Aleatorias Discretas

Sesión 4

Natalia Pacheco Carvajal

correo: n.pacheco10@uniandes.edu.co

Asistente graduado: David González

correo: ds.gonzalezp1@uniandes.edu.co
Plan de la Sesión

1. Revisar algunas estadísticas de los resultados del quiz de Learning Catalytics

2. Variables aleatorias, definición y propiedades
3. Variables aleatorias discretas:
i. Función de probabilidad
ii. Función de distribución acumulada
iii. Definición de valor esperado y propiedades
iv. Definición de varianza y desviación estándar, y propiedades
4. Ejercicio
Variables Aleatorias (VA)

Variable Aleatoria
Notación:
Función que asocia un número real a cada elemento
Variable Aleatoria: X
de espacio muestral de un experimento aleatorio.
Cada elemento: 𝑥

VA discreta
Cuando se puede contar el
conjunto de resultados posibles.
Generalmente se puede
representar datos por conteo.
VA continua
Cuando puede tomar valores en una
escala continua. Generalmente se
puede representar datos medidos.

Ejemplos:
Ejemplos: • Peso
• # Artículos defectuosos • Temperaturas
• # estudiantes que les gusta el • Alturas
chocolate. • Distancias
• Precio acción sube (si = 1, no = 0)
Variables Aleatorias Discretas

Función de probabilidad
Propiedades de la función de probabilidad:
𝑔𝑥 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖
• 0 ≤ 𝑔𝑥 𝑥𝑖 ≤ 1 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑥𝑖 ∈ 𝑅(𝑋)
A la función de probabilidad también se le • σ𝑥𝑖 ∈𝑅(𝑋) 𝑔𝑥 𝑥𝑖 ) = 1
conoce como:
• Función de masa de probabilidad de VA
• Distribución de probabilidad de VA

Ejemplo (es el 3.8 del libro)

1. Un embarque de 20 computadoras portátiles similares para una tienda minorista contiene 3 que
están defectuosas. Si una escuela compra al azar 2 de estas computadoras, calcule la distribución de
probabilidad para el número de computadoras defectuosas.

x 0 1 2
𝑔𝑥 𝑥𝑖 0.716 0.268 0.016
 Variables Aleatorias Discretas

Función de distribución acumulada:

0 𝑥<0
𝑔𝑥 0 0≤ 𝑥<1
𝐹𝑥 𝑥 = 𝑃 𝑋 ≤ 𝑥 = ෍ 𝑔𝑥 𝑥𝑖 𝐹𝑥 𝑥 = 𝑔𝑥 0 + 𝑔𝑥 (1) 1≤ 𝑥<2
𝑥𝑖 ∈𝑅(𝑋) …
𝑥𝑖≤𝑥 1 𝑥≥𝑘

continuando con el ejemplo anterior….

1. Un embarque de 20 computadoras portátiles similares para una tienda minorista contiene 3 que
están defectuosas. Si una escuela compra al azar 2 de estas computadoras, calcule la distribución
acumulada para el número de computadoras defectuosas.

x 0 1 2
𝑔𝑥 𝑥𝑖 0.716 0.268 0.016
𝐺𝑥 𝑥 0.716 0.984 1
 Variables Aleatorias Discretas

x 0 1 2
𝑔𝑥 𝑥𝑖 0.716 0.268 0.016
𝐹𝑥 𝑥 0.716 0.984 1

Gráficamente

Función de probabilidad g(x) Distribución acumulada F(X)

1,200
0,800

0,700 1,000

0,600
0,800
0,500

0,400 0,600

0,300
0,400
0,200
0,200
0,100

0,000 0,000
0 1 2 0 0,5 1 1,5 2 2,5
 Valor esperado

Definición: Medida de tendencia central de una variable. Propiedades:

𝐸 𝑘 =𝑘
𝐸 𝑘𝑋 = 𝑘𝐸 𝑋
𝐸 𝑋 = 𝜇𝑥 = ෍ 𝑥𝑖 𝑔𝑥 (𝑥𝑖 ) 𝐸 𝑎𝑋 + 𝑏 = 𝐸 𝑎𝑋 + 𝐸 𝑏 = 𝑎𝐸[𝑋]
𝑥𝑖 ∈𝑅(𝑋)
𝑑𝑜𝑛𝑑𝑒 𝑘, 𝑎 𝑦 𝑏 𝑠𝑜𝑛 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠.

Ejercicio 1:
Felipe está considerando invertir en un negocio cuyo resultado final se puede representar por medio de la
variable aleatoria X, la cual tiene la siguiente distribución de probabilidad:

X (millones de pesos) Probabilidad 𝑔𝑥 (𝑥𝑖 )

12 0,55
16 0,33
24 0,12
1. Calcule el valor esperado en millones de pesos del negocio.
2. G1…. Calcule 𝐸 𝑋
G2… Calcule 𝐸 𝑋 2
 Valor esperado

Ejercicio 2: Propiedades:
CaseYa es una empresa virtual que vende accesorios para 𝐸 𝑘 =𝑘
celulares. El número de forros que vende en un día se puede 𝐸 𝑘𝑋 = 𝑘𝐸 𝑋
modelar como una variable aleatoria X, que tiene la siguiente 𝐸 𝑎𝑋 + 𝑏 = 𝐸 𝑎𝑋 + 𝐸 𝑏 = 𝑎𝐸[𝑋]
función de probabilidad:
𝑑𝑜𝑛𝑑𝑒 𝑘, 𝑎 𝑦 𝑏 𝑠𝑜𝑛 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠.
0 1 2 3 4
𝑔𝑋 (𝑥) 0.05 0.20 0.45 0.20 0.10

Dependiendo de la cantidad de forros que se vende, el gerente ha decidido darle a sus vendedoras una
bonificación diaria, la cual se puede definir como:

𝐵𝑜𝑛𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 𝐶𝑂𝑃 = 5.000𝑋 + 10.000

Teniendo en cuenta la función anteriormente descrita, ¿cuánto dinero, en promedio, van a obtener las
vendedoras por concepto de bonificaciones en un día?
Varianza y desviación estándar
Definición: Es una medida sobre el grado de dispersión de la variable. Es decir, que tan concentrados
están los valores alrededor de la media.
𝑉𝑎𝑟 𝑋 = 𝜎 2
𝑉𝑎𝑟 𝑋 𝐸[ 𝑋 − 𝜇𝑥 2 ] = ෍ (𝑥𝑖 −𝜇𝑥 )2 𝑔𝑥 (𝑥𝑖 )
𝑥𝑖 ∈𝑅 𝑋

𝑉𝑎𝑟 𝑋 = 𝐸 𝑥 2 − 𝐸 𝑥 2

Desviación estándar:
2
𝜎= 𝑉𝑎𝑟 𝑋

Algunas propiedades importantes:

𝑉𝑎𝑟 𝑘 = 0
𝑉𝑎𝑟 𝑘𝑋 = 𝑘 2 𝑉𝑎𝑟 𝑋
𝑉𝑎𝑟 𝑋 ± 𝑌 = 𝑉𝑎𝑟 𝑋 + 𝑉𝑎𝑟 𝑌 → 𝐼𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑉𝑎𝑟 𝑎𝑋 ± 𝑏𝑌 ± 𝑐 = 𝑎2 𝑉𝑎𝑟 𝑋 + 𝑏 2 𝑉𝑎𝑟 𝑌 − 2𝑎𝑏𝐶𝑜𝑣(𝑋, 𝑌)
𝑉𝑎𝑟[aX + b] = Var[aX] + Var[b]
𝑑𝑜𝑛𝑑𝑒 𝑘, 𝑎 𝑦 𝑏 𝑠𝑜𝑛 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠.
 Varianza y desviación estándar

Ejemplos:
1. Felipe está considerando invertir en un negocio cuyo resultado final se puede representar por medio
de la variable aleatoria X, la cual tiene la siguiente distribución de probabilidad:
X (millones de pesos) Probabilidad 𝑔𝑥 (𝑥𝑖 )
12 0,55
16 0,33
24 0,12
i. Calcule la varianza del resultado del negocio.
ii. Calcule la desviación estándar.
2. Considere dos variables aleatorias independientes X y Y, cuyas funciones de probabilidad se encuentran
a continuación:

x 1 2 3 y 0 1 2
𝑔𝑥 𝑥𝑖 0.4 0.35 0.25 𝑔𝑌 𝑦𝑖 0.2 0.35 0.45

i. Calcule 𝑉𝑎𝑟 𝑋 − 𝑌
 Ejercicio

1. Se tienen 6 bolas Blancas y 4 bolas Rojas. Se toman al azar y sucesivamente sin reemplazo tres bolas. Sea X la
VARIABLE ALEATORIA que asigna a cada resultado del experimento el número de bolas de color Rojo.
Hallar la función de probabilidad de la variable aleatoria X.

? ? ?

B B B R R
B B B R R
 Ejercicio

1. Se tienen 6 bolas Blancas y 4 bolas Rojas. Se toman al azar y sucesivamente sin reemplazo tres bolas. Sea X la
VARIABLE ALEATORIA que asigna a cada resultado del experimento el número de bolas de color Rojo.
Hallar la función de probabilidad de la variable aleatoria X.

? ? ?

B B B R R
B B B R R

X: Número de bolas de color rojo

R(X) = {0,1,2,3}
 Ejercicio

1. Se tienen 6 bolas Blancas y 4 bolas Rojas. Se toman al azar y sucesivamente sin reemplazo tres bolas. Sea X la
VARIABLE ALEATORIA que asigna a cada resultado del experimento el número de bolas de color Rojo.
Hallar la función de probabilidad de la variable aleatoria X.

? ? ?

B B B R R
B B B R R

X: Número de bolas de color rojo

R(X) = {0,1,2,3}

x g(x)
0
1
2
3
 Ejercicio

1. Halle la Distribución Acumulada del ejercicio anterior. Tenga en cuenta que la función de probabilidad es:

5
𝑥=0
30
15
𝑥=1
𝑔𝑋 𝑥 = 30
9
𝑥=2
30
1
𝑥=3
30

2. Calcule:
G1.... 𝑃(𝑋 > 1)
G2.... 𝑃 𝑋 ≥ 2

3. Calcule el valor esperado y la varianza