El siguiente material se encuentra en etapa de correccin y no deber ser considerado una versin final. Alejandro D. Zylberberg <alejandro@probabilidad.com.

ar> Versin Actualizada al: 4 de mayo de 2004

Media o Esperanza o Valor Esperado

Dada una variable aleatoria, nos puede interesar tener una idea de qu valor podramos esperar que asuma si se hace el experimento al cual est asociada. Por ejemplo, nos puede interesar calcular el consumo medio por hora de una mquina, la cantidad de clientes que podemos esperar tener en un determinado da, o la cantidad media de lquido que la embotelladora envasa en las botellas. Para ese fin utilizamos la media o esperanza matemtica. Dada X una variable aleatoria, si su esperanza E(X) existe, vale:
E( X ) = x PX ( x)
+

E( X ) = x fX (x) dx

si X es discreta

si X es continua Como E(X) est definida a partir de una sumatoria o integral, resulta ser un operador lineal, con lo cual se puede demostrar fcilmente que:
E ( aX + b ) = E ( aX ) + E (b ) = aE ( X ) + b con a , b

de donde tambin se observa que la esperanza de una constante es la propia constante. En el caso general, en vez de interesarnos calcular la esperanza de X, nos puede interesar calcular la esperanza de una funcin (X). Si Y = (X), vale:
E(Y ) = ( x) PX ( x)
+

E(Y ) = (x) fX (x) dx

si X es discreta si X es continua

Comentarios

1) Podemos pensar en la media como el valor que obtendramos si tomramos infinitas muestras de una variable aleatoria e hiciramos el promedio de sus valores. 2) La media no tiene necesariamente que ser un valor posible.

Ejemplos

1) Sea X discreta distribuida segn

E ( X ) = x PX ( x ) = x
3 x =1 +

1 / 3 x =1 x=2 1 / 3 PX ( x ) = x=3 1 / 3 0 otro x

1 1 6 6 = x= =2 3 3 x =1 3

Como era de esperar, si X poda ser al azar 1, 2 3, la media es 2. 2) Veamos ahora el ejemplo del dado:

1 6 x =1 x=2 1 6 1 6 x=3 PX ( x) = 1 6 x=4 x=5 1 6 1 6 x=6 0 otro x

E ( X ) = x PX ( x ) = x
6 x =1 +

1 1 6 21 = x= = 3 .5 6 6 x =1 6

Este ejemplo nos muestra que la media no tiene por qu necesariamente ser un valor posible. Es solamente el valor ESPERADO matemticamente de la distribucin. Como se dijo antes, podemos imaginarlo como el valor que obtendramos si tomramos infinitas muestras de la variable aleatoria e hiciramos el promedio de sus valores.

3) Sea X discreta distribuida segn

E ( X ) = x PX ( x ) = x PX ( x ) =
4 x =1 +

1 / 2 x =1 x=3 1 / 3 PX ( x ) = x=4 1 / 6 0 otro x

1 1 1 = 1 + 3 + 4 = 2.1667 6 3 2

Este ejemplo nos muestra que la media de una distribucin tampoco es necesariamente el valor ms probable. 4) Sean X e Y distribuidas segn:
0,2 0,2 x=2 x=3 0,3 0,3 x=3 x=4 PX ( x) = 0,3 x=6 x = 5 PY ( y ) = 0,3 x=7 x=6 0,2 0,2 0 otro x 0 otro x

E ( X ) = x PX ( x) = 3.0,2 + 4.0,3 + 5.0,3 + 6.0,2 = 4,5

E (Y ) = y PY ( y ) = 2.0,2 + 3.0,3 + 6.0,3 + 7.0,2 = 4,5

Vemos que si la distribucin es simtrica, la esperanza "no se entera" de si los valores con probabilidad no nula estn ms cercanos o ms espaciados. 5) La media de las distribuciones continuas es anloga a la de las distribuciones discretas, y en general cumple las mismas propiedades. No necesariamente coincide con el valor ms probable

No necesariamente es un valor posible Si la distribucin es simtrica, no se entera de si los valores con probabilidad no nula estn ms cercanos o ms espaciados. A modo de ejemplo tomemos:
2 e 2 x fX ( x ) = 0
+

x > 0 x 0

E( X ) =

x f

( x) dx =

x 2e
0

2 x

dx =

1 2

6) La media puede no existir. x Tomemos por ejemplo la funcin de densidad: En ningn momento es negativa y su integral da 1, con lo cual es efectivamente una funcin de densidad. Calculemos la media de esta distribucin:
E( X ) =
+

fX ( x ) =

1 (1 + x 2 )

fX ( x ) dx =

x (1 + x

dx =

ln( 1 + x 2 ) + | = = ? 2

Vemos que esta integral no existe, por lo tanto la esperanza de esta distribucin no existe.

Moda o modo o valor ms probable

Es otra caracterstica que podemos calcular de una distribucin. La moda de una distribucin es el valor ms probable. Es decir, si X es una variable aleatoria

discreta, Mo(X) es el x (o los x) tales que P X(x) es mxima. Si X es continua, es el o los x tales que f X(x) es mxima. En el ejemplo n 3 de la media, la moda es 1. En el ejemplo n 5 de la media, la moda es 0. La moda de una distribucin no necesariamente es nica. En el ejemplo n 2 de la media, los 6 valores posibles son la moda. A diferencia de la media, la moda es necesariamente un valor posible. Como caso particular, la media y la moda pueden coincidir, por ejemplo en:
0,3 x =1 x=2 0,4 PX ( x ) = x=3 0,3 0 otro x

donde E(X) = Mo(X) = 2

Mediana
Definimos la mediana de una distribucin continua de X como M tal que P(X < M) = P(X > M) = 0,5. Es decir, es el valor que se encuentra en el medio, probabilsticamente hablando. Tomando una de las dos formas, hallamos M resolviendo:
M

( x ) dx = 0,5

( x ) dx = 0,5

o bien

segn convenga.

A diferencia de la media, la mediana siempre existe, y adems es menos sensible a las distribuciones que estn espaciadas hacia uno de sus lados (como el ejemplo n 5 de la media). La mediana no necesariamente es nica (como en cualquier anlogo continuo del ejemplo n 4 de la media, en el cual habra 2 medianas). Ejemplo: Hallar la mediana de
M

2e 2 x fX ( x ) = 0

x > 0 x 0 ln( 0,5) 2 = ln( 2) = 0,35 2

M = 2M = 1 e 0,5 => M = fX ( x) dx = 0,5 => 2e 2 x dx = e 2 x | 0 0

Problemas tpicos

1) Halle la media y la moda de X, donde X est distribuida segn:

0,4 x = 1 x =1 0,1 PX ( x) = 0,3 x=2 x=3 0,2 0 otro x

Resolucin:
+

E ( X ) = x PX ( x ) = ( 1). 0,4 + 1.0,1 + 2.0,3 + 3.0,2 = 0,9

Mo(X) = valor ms probable = -1 2) La longitud de las varillas fabricadas por una mquina es la variable aleatoria X distribuida segn:
x 2 1 fX ( x ) = 3 0 0 x 1 1 x 3 otro x

Cul es la longitud media de las varillas? Resolucin: "La longitud media de las varillas" se refiere a "La media de la longitud de las varillas", es decir, la media de X.
E( X ) =
+

x f

1 3 1 ( x) dx = x x 2 dx + x dx = 1,583 3 0 1

3) Con la misma X del ejercicio anterior, encuentre la esperanza de: a) Y = 3X-5 b) Z = X 2+2X Resolucin: E ( aX + b ) = E ( aX ) + E (b ) = aE ( X ) + b a)
E (3 X 5) = 3 E ( X ) 5

Y habamos calculado que E(X) = 1.583, con lo cual: E(Y) = -0,25

E ( h ( X )) =

b) Tenemos 2 formas de resolverlo, usando Una forma consiste en tomar h(x) = x 2 + 2x y hacer:

h( x) f

( x ) dx

E (h( X )) =

h( x ) f

3 1 1 ( x) dx = ( x 2 + 2 x) x 2 dx + ( x 2 + 2 x) dx = 6,256 3 1 0

Pero hay otra forma de hacerlo con menos cuentas. Aprovechando la linealidad del operador esperanza, hacemos:
E ( x 2 + 2 x ) = E ( x 2 ) + 2 .E ( x )

con lo cual podemos calcular la esperanza de x2 en vez de la de x 2 + 2x Tomamos h(x) = x 2

E(x 2 ) =
+

h( x) fX ( x) dx = x 2 x 2 dx + x 2
0 1

1 dx = 3,089 3

Y luego E(Z) = 3,089 + 2.1,583 = 6,256