VARIABLE ALEATORIA

11/4/2019
Una variable aleatoria X es una función cuyo dominio es el espacio
muestral Ω y cuyo rango (recorrido) es un subconjunto no vacío de
números reales, tal que para cada uno de los elementos wЄ Ω le
corresponde un número real x=X(w).
Ω X 𝑅𝑥

w. x=X(w)

1
EJEMPLO: ANALIZAR LA SIGUIENTE VARIABLE ALEATORIA
X: NÚMERO DE CARAS QUE SE OBTIENEN AL ARROJAR DOS MONEDAS
UNA SOLA VEZ.

11/4/2019
Solución:
1. El espacio muestral es Ω={CC,CS,SC,SS} ,C=cara , S=sello.
2. El recorrido de la variable X es 𝑅𝑥 : 0,1,2
Donde:
x=0 Significa que no se obtuvo ninguna cara al arrojar dos
monedas una vez.
x=1 Significa que se obtuvo una sola cara al arrojar dos monedas
una vez.
x=2 Significa que se obtuvo dos caras al arrojar dos monedas una
vez
3. Un diagrama ilustrativo es: 2
3. UN DIAGRAMA ILUSTRATIVO ES:
Fenómeno aleatorio: lanzar dos monedas al
aire
La función X = "número de caras" asocia a cada elemento del espacio
muestral un número real: es una variable aleatoria.

11/4/2019
R Donde: X({SS})=0
 CC 2
X({CS})=X({SC})=1
X({CC})=2
CS 1
Esta variable aleatoria X puede tomar los valores {0, 1, 2}
SC
Ω x 𝑅𝑥 ⊂ 𝘐𝑅
SS 0
W X(w)=x

3
La variable X es discreta porque sólo puede tomar los valores del
conjunto {0, 1, 2}, que son valores discretos.
Cuando una variable puede tomar, al menos teóricamente, todos los
valores en cierto intervalo de la recta real, se dice que es continua.
 11/4/2019
EJEMPLO: ANALIZAR LA SIGUIENTE VARIABLE ALEATORIA
X: NÚMERO DE CARAS QUE SE OBTIENEN AL ARROJAR TRES
MONEDAS UNA SOLA VEZ.

4
EJEMPLO
A CONTINUACIÓN SE DESCRIBEN ALGUNAS VARIABLES ALEATORIAS

11/4/2019
Experimento Variable aleatoria x
Valores posibles
Inspección un lote de 75 Número de CARROS defectuosos
CARROS
100 llamadas de ventas Total de ventas realizadas

Construcción de nueva Porcentaje del proyecto

biblioteca terminado luego de 6 meses.

Funcionamiento de un Número de clientes que

Almacén entran en un día 5
 EJEMPLO
A CONTINUACIÓN SE DESCRIBEN ALGUNAS VARIABLES ALEATORIAS
Experimento Variable aleatoria x Valores posibles

11/4/2019
Inspección un lote de 75 Número de CARROS defectuosos 0, 1, 2, 3, … , 75
CARROS
100 llamadas de ventas Total de ventas realizadas 0, 1, 2, 3, …,100

Construcción de nueva Porcentaje del proyecto

biblioteca terminado luego de 6 meses. 0≤ 𝑋 ≤ 100

Funcionamiento de un Número de clientes que 0, 1, 2, …

Almacén entran en un día

6
CLASES DE VARIABLE ALEATORIA. HAY DOS CLASES:
DISCRETA Y CONTINUA

11/4/2019
A)Variable Aleatoria Discreta. B)Variable Aleatoria Continua
X es una variable aleatoria X es una variable aleatoria
discreta si su rango es un continua si su rango es un
conjunto finito o infinito conjunto infinito no numerable
numerable de números reales: (intervalo).
Ejemplo: Ejemplo:
X: Número de veces que se arroja X: Tiempo de vida de un objeto
un dado hasta obtener el cinco. electrónico.
𝑅𝑥 = {1,2,3, … , 𝑘, … }

7
 FUNCIÓN DE PROBABILIDAD Y FUNCIÓN DE DENSIDAD
DISCRETA CONTINUA
A) Función de Probabilidad. B) Función de Densidad.

11/4/2019
Se denomina función (ley o Se dice que la función f(x) es
distribución) de probabilidad de una función de densidad (ley o
variable aleatoria discreta X, a una distribución) de probabilidad de la
función f(x)=P[X=x], tal que cumple: variable aleatoria continua X si
1. f(x)≥0 ,∀𝑥 ∈ 𝘐𝑅 satisface las siguientes
n
condiciones:
2.  f ( xi )  1

1.f(x)≥0 , ∀ 𝑥 ∈ 𝘐𝑅
i 1

Además si A⊂𝑅𝑥 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑃 𝐴 =  f (x )

n

i
+∞
2.‫׬‬−∞ 𝑓
x A

La función de probabilidad de una

i

𝑥 𝑑𝑥 = 1
v.a.discreta X se puede expresar así: 3. P(A)=P[xЄA]=‫𝑥𝑑 𝑥 𝑓 𝐴׬‬
X 𝑥1 𝑥2 … 𝑥𝑛
Donde: A⊂𝘐R
𝑝𝑖 = 𝑃[𝑋 = 𝑥𝑖 ] 𝑝1 𝑝2 … 𝑝𝑛 8
 EJEMPLOS
DISCRETA CONTINUA
El número de hijos por familia en la Suponga que la demanda diaria de

11/4/2019
ciudad de Trujillo es una v.a. X, cuya arroz en un supermercado es una
función de probabilidad es: v.a. X con función de densidad:
𝑐𝑥  2 , 0  x  500
f(x)=P[X=x]= , x= 1,2,3,4,5. f ( x)  kx
3  0, en otro caso
a) Calcular el valor de la constante
c. a)Determine el valor de la
b) ¿Cuál es la probabilidad de que constante k.
una familia tenga cuatro hijos? b)Calcular la probabilidad de que
en un día cualquiera el
supermercado venda entre 200 y
400 kilogramos.

9
 SOLUCIÓN
DISCRETA CONTINUA
a) Calcular el valor de la constante c a)Determine el valor de la
constante k.2

11/4/2019
X 1 2 3 4 5  , 0  x  500
f ( x)  kx
f(x) 𝑐 2𝑐 3𝑐 4𝑐 5𝑐  0, en otro caso
3 3 3 3 3
 500
 f ( x)dx  1  
𝑐 2𝑐 3𝑐 4𝑐 5𝑐
kx dx  1
2
+ + + + =1 
3 3 3 3 3 0
1
C= 500
x 500
3

k  x dx  1  k 1
5 2
b)¿Cuál es la probabilidad de que una 0 3 0
familia tenga cuatro hijos?
3

k 500
X 1 2 3 4 5 3
f(x) 1 2 3 4 5  1  k  3(500)
f(x)=
4
15
15 15 15 15 15
3 10
SOLUCIÓN
CONTINUA
b)Calcular la probabilidad de que en un día cualquiera el supermercado

11/4/2019
venda entre 200 y 400 kilogramos.

3
400 2
P ( 200  X  400)   3(500) x dx 
200
3
400
3(500) x
3
 0.448
3 200

11
 FUNCIÓN DE DISTRIBUCIÓN ACUMULADA
LA FUNCIÓN DE DISTRIBUCIÓN ACUMULADA(F.D.A.) F(X) DE UNA V.A.
X(DISCRETA O CONTINUA) SE DEFINE POR F(X)=P[X≤ 𝒙].

11/4/2019
DISCRETA CONTINUA
Si X es una v.a. DISCRETA, Si X es una v.a. CONTINUA con
entonces su función de función de densidad f, entonces
DISTRIBUCIÖN es una SUMA: su FUNCIÓN DE
F ( x )  P X  x    P X  x    f ( k ) DISTRIBUCIÓN es una
kx kx INTEGRAL.

F ( x)  PX  x    f ( x)dt x  R
x



12
EJEMPLO
DISCRETA CONTINUA
Analizar la siguiente variable Donde: F(x)=AREA BAJO LA CURVA

11/4/2019
aleatoria f(t)
X: Número de caras que se obtienen al
arrojar
X dos monedas
0 una
1 sola 2vez.
A f(t)
P(X) 1/4 2/4 1/4 -∞ 𝑥 𝑡
¿Cómo se halla F(x) si X es una v.a.
Tenemos: F(0)=f(0)=1/4 CONTINUA?. Se halla por
F(1)=f(0)+f(1)=1/4+2/4=3/4 integración.
F(2)=f(0)+f(1)+f(2)=1/4+3/4+1/4=1
¿Cómo se halla F(x) si X es una v.a. F ( x)  PX  x    f ( x)dt x  R
x

DISCRETA? 

13
EJEMPLO
DISCRETA CONTINUA
 1
Si x  , 1x  2

11/4/2019
0 , x0 f ( x)   2

 x  x xi  0 , en otro lugar
F ( x)   i

 f ( xi ) , i  1,2,..., n - 1
Entonces integrando obtenemos su
 1 xn  x  

Tomando el ejemplo: función de distribución:

 0 , x1
1 2
Función de distribución: F ( x)   ( x  x) ,1  x2
2
0 , x0 1 , x2

1 / 4 0  x1
F ( x)  
3 / 4 1  x2

 1 2 x
14
EJEMPLO
DISCRETA
Donde: Para el caso discreto, el

11/4/2019
gráfico es una función escalera.
si x  0  P(X  0)  0
si 0  x  1  P(X  0)  P(X  0)  1/4 1
si 1  x  2  P(X  1)  P(x  0)  P(x  1) 3/4

 1/4  2/4  3/4

1/4
Si 2  x  P( X  2)  P(x  0)  P(x  1)  P(x  2)
1 2 x
 1/4  2/4  1/4  1

15
PROPIEDADES DE LA FUNCIÓN DE
DISTRIBUCIÓN
DISCRETA CONTINUA

11/4/2019
I . 0  F(x)  1 ,  x  R I . F()  1 
lim F(x)
x  
II. F(x) es no decreciente, es decir : lim F(x)
II. F(-)  0 
si x1  x2  F ( x1)  F ( x2) x  
III . F(x) es no decreciente, es decir si a  b 
III . a) F()  1 , b) F(-)  0
F(a)  F(b),  a, b  R
IV. Si x  x , x   F ( x)  F ( x )
k k 1 k IV. Si F(x) es deribable, entonces :
Esto implica que F(x) es una función dF
f(x)  Función de densidad.
dx
escalón o escalera.

16
EL VALOR ESPERADO Y LA VARIANZA DE UNA V.A.

DISCRETA CONTINUA

11/4/2019
MEDIA MEDIA
k 
   xi p i
(p  P ( X 
i x ))i
 

xf ( x ) dx
i 1
VARIANZA :
VARIANZA :
 ( x )


2

2
f ( x ) dx
   ( xi   ) . p   x p  
k 2 k 2
2 2 
i

 
i i 

i 1 i 1 2
( x f ( x ) dx 
2 2

DESVIACIÓN TÍPICA 

DESVIACIÓNTÍPICA
  
2

  
2

17
 EJERCICIOS:
1.La demanda diaria de una herramienta en el almacén de Enigma S.A. es
una variable aleatoria D cuya distribución de probabilidades está dada por

11/4/2019
la tabla que sigue:
D 1 2 3 4 5
P(D=d) 1/16 4/16 6/16 k 1/16
a. Calcule el valor de k
b. Calcule e interprete el valor numérico del promedio de la demanda diaria
de la herramienta.
c. Si la utilidad Y en dólares del bien está dada por la relación:
Y = 10 + 2D. Halle la distribución de probabilidades de la utilidad diaria.
d. Calcule e interprete la utilidad diaria esperada.

18
 SOLUCIÓN:
a. Como la suma de todas las probabilidades es 1, el valor de K es:
K = 1 – (1/16 + 4/16 + 6/16 + 1/16) = 4/16

11/4/2019
b. El valor esperado de D es:
E(D) = 1 .1/16 + 2.4/16 + 3.6/16 + 4.4/16 + 5.1/16 = 3
Interpretación: Si durante varios días registramos la demanda, el
promedio de las demandas diarias tenderá a 3, mientras mayor sea la
cantidad de días que se toman en cuenta.
c.
D Y=10+2.D P(Y=y)
1 10+2.1=12 1/16
2 10+2.2=14 4/16
3 10+2.3=16 6/16
4 10+2.4=18 4/16
19
5 10+2.5=20 1/16
D. EL VALOR ESPERADO DE Y ES:

E(Y) = 12 . 1/16 + 14 . 4/16 + 16 . 6/16 + 18 . 4/16 + 20 . 1/16 = 16

11/4/2019
También: Si Y = 10 + 2D entonces E(Y) = 10 + 2 . E(D) = 10 + 2 . 3 = 16

Interpretación: Si durante varios días registramos la utilidad, el

promedio de las utilidades diarias tenderá a 16, mientras mayor sea la
cantidad de días que se toman en cuenta.

20
EJEMPLO

Suponga que la vida útil (en años) de un tipo de

11/4/2019
computadora es una variable aleatoria X con
una función densidad de probabilidad:
f(x) = 2 – 2x 0 ≤ x≤ 1
Cada computadora produce una utilidad de $900
si dura más de medio año, y una utilidad de
$200 si dura a lo más medio año. ¿Cuánto es la
utilidad esperada por computadora?
21
SOLUCIÓN
0.5 0.5
P(X ≤ 0,5) = ‫׬‬0 2 − 2𝑥 𝑑𝑥 = 2𝑥 − 𝑥 2 ቤ = 0.75

11/4/2019
0
P(X> 0.5) = 1 − 𝑃 𝑋 ≤ 0.5 = 1 − 0.75 = 0.25

x P(x) U(x) U(x)P(x)

x≤ 0.5 0.75 200 150
x> 0.5 0.25 900 225
E(U(x))=375

22
EJEMPLO: LA DISTRIBUCIÓN DE PROBABILIDAD DE UNA V.A. X VIENE DADA POR LA SIGUIENTE TABLA:

11/4/2019
¿Cuánto vale P(X=3)?
Calcula la media y la varianza.
Calcular el coeficiente de variación

23
EJEMPLO
En urna hay 3 bolas blancas y 5 bolas negras. Si sacamos una bola negra
pagamos a la banca 5 Dólares, pero si es blanca ganamos 10 Dólares. ¿

11/4/2019
Cuál es la esperanza matemática o valor esperado ?
¿Cuál es el coeficiente de variación?.

24
SOLUCIÓN

11/4/2019
2
xi pi xi – μ (xi – μ) .pi

-5 5/8 = 0,625 -5,525 19,08

10 3/8 = 0,375 9,475 33,66
∑= 52,74

μ = -5.0,625+10.0,375 = -3,125 + 3,75 = 0,625

Sí jugaría, pues tengo ventaja.

σ = √ 52,74 = 7,275 CV (x) = 7,275 / 0,625 = 11.619

25
SOLUCIÓN

11/4/2019
x p(x) XP(x) X*X X*X*P(x) x-u (x-u)^2 (x-u)^2*P(x)
-5 0.625 -3.125 25 15.625 -5.625 31.640625 19.77539063
10 0.375 3.75 100 37.5 9.375 87.890625 32.95898438
0.625 53.125 52.734375

E(X)=0.625

V(X)=52.734375
D.S.=7.261843774 26
C.V=11.61895004 C.V=1161.895004
 EJEMPLO

11/4/2019
SUPONGAMOS QUE f(x) ES UNA FUNCIÓN DE DENSIDAD DE X
TAL QUE:
Kx ,si 0≤x≤2
f(x)=
0 ; en otro lugar
a)HALLAR K
b)HALLAR LA ESPERANZA Y VARIANZA DE X.

27
 SOLUCIÓN
a)COMO f(x) ES UNA FUNCIÓN DE DENCIDAD.DEBE CUMPLIR:
∞
1)f(x)≥ 𝟎 2)‫׬‬−∞ 𝒇 𝒙)𝒅𝒙 =1
∞ 𝟐
PARA CUMPLIR 1)K DEBE SER MAYOR QUE CERO.PARA 2)‫׬‬−∞ 𝒇 𝒙)𝒅𝒙 =‫=𝒙𝒅𝒙𝒌 𝟎׬‬1

11/4/2019
𝟐
𝒌𝒙𝟐 𝑲(𝟒) 𝟐 𝟏
𝟐
=1 ENTONCES 𝟐
=1 ENTONCES K=𝟒 =𝟐
o
LUEGO
𝟏
𝑿 0≤ 𝑿 ≤ 𝟐
𝟐
f(x)=
0 EN OTRO LUGAR

𝟏
ESTÁ COMPROBADO f(x)≥ 𝟎 𝒀𝑨 𝑸𝑼𝑬 𝟎 ≤X< 𝟐 ENTONCES 𝟎 ≤ X≤ 𝟏
𝟐
b)CALCULANDO E(x) Y V(x)
𝟐
∞ 𝟐 𝟏 𝟏 𝑿𝟑
E(X)=‫׬‬−∞ 𝑿𝒇 𝒙)𝒅𝒙 =‫𝒙𝒅)𝑿 𝟐(𝑿 𝟎׬‬ = 𝟐 𝟑
O
𝟏 𝟖 𝟒
E(x)=𝟔 (𝟐)𝟑 -0=𝟔 ENTONCES E(X) =𝟑

𝟐
𝟐 ∞ 𝟐 𝟐 𝟏 𝟐𝟏 𝟏 𝑿𝟒 𝟏 𝟐𝟒 𝟐
AHORA:E(𝑿 )=‫׬‬−∞ 𝑿 f(x)dx =‫𝟐( 𝟐𝑿 𝟎׬‬X)dx = ‫𝟒 𝟐= 𝟑𝑿 𝟐 𝟎׬‬ =𝟐 =2 ENTONCES E(𝑿 )=2
𝟒
O 28
𝟐 𝟐 𝟒 𝟐 𝟏𝟔 𝟐
V(X)=E(𝑿 )-(𝑬 𝑿)) ENTONCES V(X)=2-( ) =𝟐 − ENTONCES V(X)=
𝟑 𝟗 𝟗
EJEMPLO

11/4/2019
Lanzamos dos monedas al aire. Apostamos 5 Dólares. Si salen dos
caras, volvemos a tirar; si salen dos sellos, nos llevamos 10 Dólares;
pero si sale una cara y una sello perdemos lo apostado. ¿ Cuál es la
esperanza matemática o valor esperado ?.

29
SOLUCIÓN

11/4/2019
Xi pi Xipi

-5 2/4=0.5 -2.5
0 ¼=0.25 0
10 ¼=0.25 2.5
μ = - 5. 0,5+ 0.
0
0,25 + 10. 0,25 = -2,5 +0 + 2,5 = 0

Al ser μ = 0 el juego es equitativo, no hay ventaja ni para el jugador ni

para el contrincante.

30
EJEMPLO

Se ha determinado que el exceso en la longitud de las

11/4/2019
láminas, medida en milímetros,tiene la siguiente
función de densidad:
 x
 k ( 5  1) si5  x  10

f ( x )  k si10  x  12.5
 0 en otro caso


a. Determine el valor de k para que f(x) sea una
función de densidad de probabilidad.
b. Si se han producido 500 láminas de aluminio, 31
determine aproximadamente cuántas de ellas tendrán
 SOLUCIÓN
a) 2
10

x 12.5
k (  1) dx   kdx  1 x 10 12.5
 x)  kx 1

11/4/2019
5 5 10 k(
10 5 10
k
(100  25)  k (10  5)  k (12.5  10)  1 k 
1
5
10
11 1 10 x 11 1 1  1  1
7
b ) f ( x)dx 

5 7 5
(  1)dx   dx   (100  49)  (10  7)  (11  10)  0.62
10 5 5 10  5

32

Por lo tanto : 500 * 0.62  310 láminas con exceso de longitud de 7a 11mm.
EJEMPLO

11/4/2019
En una urna hay 2 bolas blancas y 5 bolas rojas. Extraemos una bola
y la sustituimos por otra de distinto color. Luego extraemos otra bola. Si
el resultado es BB, ganamos 50 SOLES; si es BR, ni ganamos ni
perdemos; si es RB perdemos 5 SOLES; y si es RR perdemos 10
SOLES. ¿ Cuál es la esperanza matemática o valor esperado ?.

33
SOLUCIÓN

11/4/2019
P(BB) = 2 / 7 . 1/ 7 = 2 / 49 = 0,041
P(BR) = 2/ 7 . 6 /7 = 12 / 49 = 0,245
P(RB) = 5 / 7 . 3 / 7 = 15 / 49 = 0,306
P(RR) = 5 / 7 . 4 / 7 = 20 / 49 = 0,408

Xi pi
50 0,041
0 0,245
-5 0,306
- 10 0,408
μ = 50. 0,041+ 0. 0,245 – 5 .0,306 – 10.0,408 = - 3,56
No jugaríamos, pues tenemos desventaja, no es equitativo.
34
EJEMPLO

11/4/2019
Lanzamos dos dados en forma de tetraedro, uno con las caras
numeradas del 0 al 3, y el otro con las caras numeradas del 1 al 4.
¿Cuál es la esperanza matemática o valor esperado de la función que
asigna a cada valor de x la suma de resultados?.

35
 SOLUCIÓN

11/4/2019
xi fi pi xi.pi
1 1 0,0625 0,0625
2 2 0,1250 0,25
3 3 0,1875 0,5625
4 4 0,25 1,00
5 3 0,1875 0,9375
6 2 0,1250 0,75
7 1 0,0625 0,4375
16 4,00

μ = ∑xi.pi = 4
36
 REPASO
VARIABLES ALEATORIAS
 Una variable cuantitativa x es una variable

11/4/2019
aleatoria si el valor que asume,
correspondiente al resultado de un
experimento, es un evento aleatorio o al azar.
 Las variables aleatorias pueden ser discretas
o continuas.

• Ejemplos:
x = puntuación SAT (comprensión de lectura, matemáticas y
redacción/ensayo)para un estudiante seleccionado al azar
x = número de personas en una habitación a una hora del día
37
seleccionada al azar
x = número en la cara superior de un dado lanzado al azar
DISTRIBUCIONES DE PROBABILIDAD PARA
VARIABLES ALEATORIAS DISCRETAS

11/4/2019
 La distribución de probabilidad para una variable aleatoria
discreta x se asemeja a las distribuciones de frecuencia
relativas que construimos. Es un gráfico, tabla o fórmula que
da los valores posibles de x y la probabilidad p (x) asociada con
cada valor.

Debe cumplir
0  p( x)  1 y  p( x)  1

38
 EJEMPLO
 Lance una moneda justa tres veces y
defina x = número de caras.

11/4/2019
x
CCC x p(x)
1/8 3
P(x = 0) = 1/8 0 1/8
CCS
1/8 2 P(x = 1) = 3/8 1 3/8
CSC 1/8 2 P(x = 2) = 3/8 2 3/8
SCC
P(x = 3) = 1/8
1/8 2 3 1/8
CSS 1/8 1
Histograma de
SCS 1/8 1 probabilidad
1/8 1 para x
CSS
39
1/8 0
SSS
DISTRIBUCIONES DE PROBABILIDAD

 Las distribuciones de probabilidad se pueden

11/4/2019
usar para describir la población, tal como
describimos las muestras.
 Forma: simétrica, sesgada, en forma de
montículo o campana...
 Outliers: valores inusuales o improbables
 Centro y propagación: media y desviación
estándar. Una media de la población se llama
µ y una desviación estándar de la población se
llama σ.
40
LA MEDIA Y LA DESVIACIÓN ESTÁNDAR

11/4/2019
 Sea x una variable aleatoria discreta con distribución de
probabilidad p (x). Entonces la media, la varianza y la
desviación estándar de x se dan como

Media :    xp( x)
Varianza :   ( x   ) p ( x)
2 2

   x p( x)  
2 2 2

Desviación estándar :    2
41
 EJEMPLO
Lanza una moneda justa 3 veces
y registra x el número de caras

11/4/2019
x p(x) xp(x) (x-2p(x) 12
0 1/8 0 (-1.5)2(1/8)    xp( x)   1.5
8
1 3/8 3/8 (-0.5)2(3/8)
2 3/8 6/8 (0.5)2(3/8)
3 1/8 3/8 (1.5)2(1/8)   ( x   ) p( x)
2 2

 2  .28125  .09375  .09375  .28125  .75

  .75  .688 42
 EJEMPLO
 La distribución de probabilidad
para x el número de caras en

11/4/2019
tirar 3 monedas justas.
Simétrico; en
• ¿Forma? forma de montículo
• ¿Outliers? Ninguna

• ¿Centrar?  = 1.5

• ¿Untado?  = .688

 43
 CONCEPTOS CLAVE
V. Variables aleatorias discretas y distribuciones de
probabilidad

11/4/2019
1. Variables aleatorias, discretas y continuas.
2. Propiedades de las distribuciones de probabilidad.
0  p( x)  1 y  p( x)  1
3. Valor medio o esperado de una variable aleatoria discreta:
Media :    xp( x)
4. Varianza y desviación estándar de una variable aleatoria
discreta:
Varianza :   ( x   ) p ( x )
2 2

x 
2
  p( x) 
2 2
44

Desviació estándar :   2
El ayer no es nuestro para recuperarlo, pero el mañana es
nuestro para ganar o perder. Lyndon B. Johnson

11/4/2019
45