Matemática · IV Medio · Probabilidad Condicional e Inferencia · 1er Semestre

Aplicaciones de Variables Aleatorias Discretas

Los estudiantes resuelven problemas que involucran variables aleatorias discretas, calculando probabilidades, esperanza y varianza en contextos reales.

• Objetivos de Aprendizaje (OA)
• OA MAT 4oM: Probabilidad y Estadística

Acerca de este tema

Las variables aleatorias discretas representan resultados numéricos de experimentos aleatorios con un número finito o contable de valores posibles, como el número de caras en lanzamientos de monedas o dados. En IV Medio, los estudiantes resuelven problemas reales calculando probabilidades, esperanza matemática (valor esperado promedio) y varianza (medida de dispersión). Estos cálculos se aplican en juegos de azar, control de calidad industrial o pronósticos deportivos, conectando directamente con las Bases Curriculares de MINEDUC en Probabilidad y Estadística.

La esperanza indica el resultado promedio a largo plazo, útil para decisiones informadas, como en apuestas justas. La varianza cuantifica la incertidumbre, ayudando a evaluar riesgos. Por ejemplo, en un juego de dados, los estudiantes computan E(X) = 3.5 y Var(X) = 2.9167, interpretando su significado práctico.

El aprendizaje activo beneficia este tema porque conceptos abstractos como esperanza y varianza se vuelven concretos mediante simulaciones repetidas y juegos reales. Cuando los estudiantes lanzan dados cientos de veces en grupos o usan software para modelar distribuciones, observan cómo los promedios convergen al valor teórico, fortaleciendo la comprensión intuitiva y la confianza en cálculos formales.

Preguntas Clave

1. ¿Cómo se aplica el concepto de variable aleatoria discreta en situaciones cotidianas?
2. ¿Qué información práctica nos da la esperanza matemática en un juego de azar?
3. ¿Cómo se puede usar la varianza para entender la dispersión de resultados?

Objetivos de Aprendizaje

• Calcular la probabilidad de eventos específicos utilizando la función de masa de probabilidad de una variable aleatoria discreta.
• Interpretar el valor de la esperanza matemática como el promedio a largo plazo de una variable aleatoria discreta en contextos aplicados.
• Analizar la varianza de una variable aleatoria discreta para cuantificar la dispersión de los posibles resultados en un escenario dado.
• Comparar la efectividad de diferentes estrategias en juegos de azar o decisiones de inversión basándose en la esperanza y varianza calculadas.
• Diseñar un modelo simple que represente una situación de la vida real utilizando una variable aleatoria discreta y sus parámetros (esperanza y varianza).

Antes de Empezar

Conceptos Básicos de Probabilidad

Por qué: Los estudiantes deben comprender los principios fundamentales de probabilidad, incluyendo el cálculo de probabilidades simples y la identificación de eventos, para poder construir sobre ellos con variables aleatorias.

Tablas y Gráficos de Frecuencia

Por qué: La habilidad para organizar y visualizar datos en tablas y gráficos es esencial para entender la representación de la Función de Masa de Probabilidad.

Vocabulario Clave

Variable Aleatoria Discreta	Una variable cuyo valor numérico es el resultado de un experimento aleatorio y que solo puede tomar un número finito o infinito contable de valores.
Función de Masa de Probabilidad (FMP)	Una función que asigna a cada posible valor de una variable aleatoria discreta su probabilidad de ocurrencia.
Esperanza Matemática (E(X))	El valor promedio esperado de una variable aleatoria discreta, calculado como la suma de cada valor posible multiplicado por su probabilidad.
Varianza (Var(X))	Una medida de la dispersión de los valores de una variable aleatoria discreta alrededor de su esperanza matemática. Se calcula como la esperanza del cuadrado de las diferencias entre la variable y su esperanza.

Cuidado con estas ideas erróneas

Idea errónea común

La esperanza es solo el promedio aritmético simple de los valores posibles.

Qué enseñar en su lugar

La esperanza pondera cada valor por su probabilidad, no por igual. Actividades de simulación con miles de repeticiones muestran cómo el promedio muestral converge a E(X), aclarando esta diferencia mediante evidencia empírica en grupos.

Idea errónea común

La varianza mide solo la amplitud entre valores extremos.

Qué enseñar en su lugar

La varianza es el promedio de cuadrados de desviaciones respecto a la esperanza, capturando dispersión total. Juegos repetidos permiten calcular varianzas muestrales y comparar con teóricas, ayudando a estudiantes a visualizar incertidumbre en discusiones colaborativas.

Idea errónea común

Todas las variables aleatorias discretas tienen la misma varianza que su esperanza.

Qué enseñar en su lugar

Varianza depende de la distribución específica. Modelos con dados justos vs. cargados en parejas revelan cómo probabilidades alteradas cambian Var(X), fomentando experimentación activa para corregir esta idea errónea.

Ideas de aprendizaje activo

Juego de Simulación: Lanzamientos de Dados

Cada grupo lanza un dado 50 veces y registra los resultados. Calculan la frecuencia relativa de cada cara, la esperanza muestral y la varianza. Comparan con valores teóricos en una discusión final. Usa hojas de cálculo para automatizar repeticiones.

45 min·Grupos pequeños

Juego de Simulación: Ruleta Simplificada

Crea una ruleta con sectores numerados del 1 al 6. Grupos giran 30 veces, computan probabilidades, esperanza y varianza. Discuten si el juego es justo comparando E(X) con el costo de apuesta. Registra datos en tablas compartidas.

40 min·Parejas

Análisis de Estudio de Caso: Lotería Local

Proporciona datos reales de una lotería chilena con premios discretos. Estudiantes calculan P(X=k), esperanza y varianza paso a paso. En parejas, proponen estrategias basadas en estos valores y las presentan al grupo.

35 min·Parejas

Torneo: Predicciones Deportivas

Clase predice goles en un partido modelado como variable discreta Poisson aproximada. Calculan esperanza y varianza colectiva. Simulan 20 partidos con dados y ajustan predicciones comparando datos reales vs. simulados.

50 min·Toda la clase

Conexiones con el Mundo Real

• Los actuarios en compañías de seguros utilizan variables aleatorias discretas para modelar la frecuencia y severidad de siniestros, calculando primas justas para pólizas de vida o de propiedad.
• Los ingenieros de control de calidad en fábricas de componentes electrónicos emplean distribuciones discretas para estimar la probabilidad de defectos en lotes de producción, decidiendo si un lote es aceptable o requiere inspección adicional.
• Los analistas de riesgo en instituciones financieras modelan el número de incumplimientos de pago de préstamos como una variable aleatoria discreta para evaluar la exposición al riesgo de la cartera.

Ideas de Evaluación

Verificación Rápida

Presentar a los estudiantes un escenario simple, como el lanzamiento de dos dados. Pedirles que identifiquen la variable aleatoria discreta, escriban su FMP y calculen la esperanza matemática. Revisar las respuestas para asegurar la comprensión de los pasos iniciales.

Pregunta para Discusión

Plantear la pregunta: 'Si la esperanza matemática de un juego de lotería es negativa, ¿significa que nunca deberías jugar? ¿Cómo influye la varianza en tu decisión?' Guiar la discusión hacia la interpretación práctica de ambos parámetros en la toma de decisiones.

Boleto de Salida

Entregar a cada estudiante una tarjeta con una situación breve (ej. número de clientes que llegan a una tienda en una hora). Solicitarles que definan una variable aleatoria discreta apropiada y que expliquen qué información les daría calcular su varianza.

Preguntas frecuentes

¿Cómo calcular la esperanza de una variable aleatoria discreta?

Suma cada valor posible multiplicado por su probabilidad: E(X) = Σ x_i * P(X=x_i). En contextos como un dado justo, E(X) = 1*(1/6) + 2*(1/6) + ... + 6*(1/6) = 3.5. Practica con tablas para verificar que suma de probabilidades es 1, asegurando cálculos precisos en problemas reales.

¿Qué representa la varianza en aplicaciones cotidianas?

La varianza mide la dispersión de resultados alrededor de la esperanza, útil para evaluar riesgos en juegos o procesos industriales. Por ejemplo, en lanzamientos de monedas, Var(X) indica estabilidad de ganancias. Fórmula: Var(X) = E(X²) - [E(X)]². Baja varianza sugiere resultados predecibles.

¿Cómo el aprendizaje activo ayuda a entender variables aleatorias discretas?

Simulaciones físicas como lanzar dados o girar ruletas permiten observar convergencia de promedios a la esperanza teórica tras repeticiones. En grupos, estudiantes calculan estadísticos muestrales y comparan con fórmulas, haciendo abstracto lo concreto. Esto fortalece intuición, reduce errores en cálculos y motiva mediante juegos contextuales.

¿Cuáles son ejemplos reales de variables aleatorias discretas en Chile?

Número de goles en partidos de la Liga Chilena, defectos en producción de vino o premios en Kino. Estudiantes modelan P(X=k), calculan E(X) para evaluar valor esperado y Var(X) para riesgo. Estas aplicaciones conectan teoría con economía local y deportes.