Vamos a explorar las características de las variables aleatorias discretas.
¿Qué es una Variable Aleatoria Discreta?
Una variable aleatoria discreta es aquella que solo puede tomar un número finito o contable infinito de valores. Estos valores son usualmente números enteros. Piénsalo como conteos en lugar de mediciones continuas.
Características Principales
Existen varias características clave para identificar y trabajar con variables aleatorias discretas. Consideraremos su función de probabilidad, esperanza y varianza.
Must Read
Función de Probabilidad (Función de Masa de Probabilidad - FMP)
La función de probabilidad, denotada como P(X = x), asigna una probabilidad a cada valor posible de la variable. Esta probabilidad debe estar entre 0 y 1. La suma de las probabilidades de todos los valores posibles debe ser igual a 1.
Formalmente:
0 ≤ P(X = x) ≤ 1 para todo x
Σ P(X = x) = 1, donde la suma se toma sobre todos los valores posibles de x.
Ejemplo: Si X representa el número de caras al lanzar una moneda dos veces, X puede tomar los valores 0, 1, o 2. P(X=0), P(X=1) y P(X=2) deben sumar 1.
Esperanza (Valor Esperado)
La esperanza, denotada como E(X) o μ, es el valor promedio que se espera obtener a largo plazo. Se calcula ponderando cada valor posible de la variable por su probabilidad correspondiente. Luego, sumamos todos estos productos.
La fórmula para calcular la esperanza es: E(X) = Σ x * P(X = x), donde la suma se toma sobre todos los valores posibles de x.
Ejemplo: Si X representa la ganancia en un juego de azar, la esperanza te dice cuánto puedes esperar ganar (o perder) en promedio por cada juego.
Varianza
La varianza, denotada como Var(X) o σ², mide la dispersión de los valores alrededor de la esperanza. Cuanto mayor sea la varianza, mayor será la dispersión.
La varianza se calcula como el promedio de las diferencias al cuadrado entre cada valor y la esperanza, ponderadas por sus probabilidades. La fórmula es: Var(X) = Σ (x - E(X))² * P(X = x).
Otra forma equivalente de calcular la varianza es: Var(X) = E(X²) - [E(X)]². Donde E(X²) = Σ x² * P(X = x).
Desviación Estándar
La desviación estándar, denotada como σ, es la raíz cuadrada de la varianza. Se expresa en las mismas unidades que la variable aleatoria, lo que facilita su interpretación.
σ = √Var(X)
Ejemplo Completo
Consideremos una variable aleatoria X que representa el número de componentes defectuosos en un lote de 4. Supongamos que la función de probabilidad es: P(X=0)=0.6, P(X=1)=0.3, P(X=2)=0.1, P(X=3)=0, P(X=4)=0.
Esperanza: E(X) = (0 * 0.6) + (1 * 0.3) + (2 * 0.1) = 0.5.
Varianza: E(X²) = (0² * 0.6) + (1² * 0.3) + (2² * 0.1) = 0.7. Var(X) = 0.7 - (0.5)² = 0.45.
Desviación estándar: σ = √0.45 ≈ 0.67.
En resumen, hemos explorado la función de probabilidad, la esperanza, la varianza y la desviación estándar, que son características esenciales para comprender y analizar las variables aleatorias discretas.