Академический Документы
Профессиональный Документы
Культура Документы
Esperanza matemtica
1. Definicin
Todos sabemos lo que es el promedio de un conjunto finito de datos; por
34
co
68
.c
om
El promedio indica la posicin de los datos, por lo que se puede considerar como un representante de los mismos.
at
ic
a1
TABLA
ww
w.
M
at
em
151
4. Esperanza matemtica
ic
a1
.c
om
=1
TABLA 4.2
ww
w.
at
em
at
X
1
2
3
4
5
6
frecuencia
frecuencia
observada (/) relativa (/ r )
8
8/60
11
11/60
13/60
13
9
9/60
8
8/60
11
11/60
frecuencia
esperada probabilidad
10
1/6
10
1/6
10
1/6
10
1/6
10
1/6
10
1/6
1T +
O
2- + 3 - + 4- + 5- + 6- = 3.5,
O
152
1. Definicin
15-
lfc
10-:
5-:
31 4
3.5166
om
3.5
frecuencia esperada
ic
a1
.c
frecuencia observada
em
at
FIGURA
3t 4
at
DEFINICIN 4.1. Dada una variable aleatoria X con funcin de densidad fx(x)9 se llama valor esperado de X, o esperanza matemtica de
X9 al promedio "terico" o promedio esperado, y se calcula mediante
ww
w.
E(X) = ^2xfx(x)
/oo
E(X) = /
Joo
4. Esperanza matemtica
Solucin
La variable aleatoria es continua, y entonces su valor esperado es la integral
E(X) = xfx(x)dx = C
J-oo
6JC2(1
- x)dx =
= 0.5,,
JO
ww
w.
FIGURA
at
em
at
ic
a1
.c
om
4.3. Se prueban sucesivamente los artculos que van saliendo en una banda de produccin hasta que aparece el primer artculo defectuoso. Se sabe que el 5% de los artculos producidos son defectuosos,
y X es la variable aleatoria que indica el nmero de intentos que debern
realizarse antes de detenerse. Encuentre su valor esperado.
EJEMPLO
Solucin
El estado de un artculo en la banda de produccin (defectuoso, no defectuoso) es independiente del estado de otro artculo en la misma banda de
produccin. Entonces, los resultados de las sucesivas inspecciones son
eventos independientes.
El primer artculo defectuoso puede ser el primer artculo inspeccionado, pero tambin puede ser el segundo, o el tercero, etc. Esto significa que el recorrido de X es igual al conjunto de los nmeros naturales:
X = 1,2, 3,4,...
154
1. Definicin
donde b significa que el artculo inspeccionado es bueno y d que es defectuoso. La posicin de la coordenada indica el orden en que el artculo
se inspeccion.
Considerando que los resultados de las distintas inspecciones son independientes, se tiene que la funcin de densidad es
fx(k) = P(X = k) =
P(b,b,b,:..,bJd)
kl
veces
om
ic
a1
.c
]fc1 veces
at
em
k=l
at
'"
ww
por lo que
__^n
dx
( 1 \
dx \1 xj'
w.
dx VI JC7
(1-x)2'
4. Esperanza matemtica
ic
a1
.c
om
at
TABLA
em
at
P(Xi = k) = \,
o
para i = 1,2 y k = 1,2, 3, 4,5, 6.
El espacio muestral de la tirada de dos dados se muestra en la tabla 4.3.
ww
w.
dado
Primer <dado
a,i)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
Segundo
1. Definicin
at
ic
a1
.c
om
/y(2) = l/36
(X1,X2) = (1,1),
/r(3) = 2/36
(Xu X2) = (1,2), (2,1),
/r(4) = 3/36
(Xh X2) = (1,3), (2,2), (3,1),
/r(5) = 4/36
(Xh X2) = (1,4), (2,3), (3,2), (4,1),
/r(6) = 5/36
(Xh X2) = (1,5), (2,4), (3,3), (4,2), (5,1),
/r(7) = 6/36 (Xh X2) = (1,6), (2,5), (3,4), (4,3), (5,2), (6,1),
/y(8) = 5/36
(Xu X2) = (2,6), (3,5), (4,4), (5,3), (6,2),
/r(9) = 4/36
(Xh X2) = (3,6), (4,5), (5,4), (6,3),
/r(lO) = 3/36
(Xh X2) = (4,6), (5,5), (6,4),
/y(l 1) = 2/36
(Xu X2) = (5,6), (6,5),
/y(12) = l/36
(XUX2) = (6,6).
at
em
^
Jo
ww
w.
4. Esperanza matemtica
Lo mismo ocurre para una persona que est apostando a los menores.
En estos casos, la casa gana en promedio.
Sin embargo, cul es la ganancia de la casa con dos jugadores, uno
apostando a los mayores y el otro a los menores?
En este caso, si uno de los jugadores gana, el otro pierde y se paga al
ganador con la apuesta del perdedor: la casa no obtiene ganancia, pero
tampoco pierde. Si la suma de los dos resultados es siete, ninguno de
los jugadores gana, los dos pierden 10 pesos y la ganancia de la casa es
igual a 20. Entonces, el recorrido de G es RG = {0, 20} y su funcin de
densidad es
/G(20) =
6/36 = 1 / 6
ic
a1
.c
om
at
em
at
Ejercicios
ww
w.
158
ic
a1
.c
om
w.
at
em
at
Demostracin
Caso discreto: E(U) = J2XieRx teX/ifa).
E "./"(.O = E{U),
ueRv
ww
h{x)fx{x)dx = [ u fx(h-l(u))[h-\u)]fdu
= E{U),
Mu)
4. Esperanza matemtica
TEOREMA
E(X) = Cfx{C) = C,
.c
om
at
ic
a1
TEOREMA
em
at
ww
w.
'=1
\k,j\h(xk,yj)=u
roo
Joo Joo
160
roo
roo
h(x,y)fXY(x,y)dxdy=
roo /
<*+
Joo Jo
fXY(x(u,v),y(u,v)\J\dvdu
Joo Joo
Mu)
= ufu(u)du = E(U),
Joo
.c
om
at
ic
a1
roo
fxrix, y)dy dx +
Joo
Joo
fxM
Joo
Joo
fy(x)
roo
= /
roo
by.l
w.
ax
Joo
ww
at
H
H (ax+ by)fXY(x, y)dxdy,
Joo Joo
roo
roo
E(Z) = r
em
Demostracin
Si Z = aX + bY, entonces
roo
axfx(x)dx + /
Joo
COROLARIO 4.1. Si X y Y son variables aleatorias y ay b dos constantes, entonces se cumplen las siguientes proposiciones:
E(aX) = aE(X).
E(a + bX) = a + bE(X).
E(X + Y) = E(X) + E(Y).
E(XY) = E(X)E(Y).
161
4. Esperanza matemtica
Demostracin
Como XyY son variables aleatorias independientes, se tiene que /XY(X> y)
= fx(x)fY(y) y entonces
Joo
E(h(X))E(g(Y)l
om
E(h(X)g(Y)) =
em
at
ic
a1
.c
ww
w.
at
con
c = e~a\
roo
f$(v)dv = c
roo
mQ^+v^+v*)
2*r
dvxdvydvz
Joo
Joo
Joo
= iV.
at
ic
a1
.c
om
= c /
=c
w ))
\J-oo
)
\V m
De aqu se sigue que
/ m \3/2
at
em
de manera que
ww
w.
Con esta expresin se puede tener una funcin de densidad del vector v y
de su magnitud, v. La primera es la expresin
W
\27TkTj
La segunda se obtiene aplicando el teorema 3.5.3, generalizado a E3.
Para encontrar la funcin de densidad de v = Jv% + v^ + v\ se introducen dos variables auxiliares, 6 y <f>, las cuales junto con v forman una
transformacin de R3 en E3, invertible y dada por
Vj = v senteos <f>, vy = v sen 0 sen <f> y
vz =
vcos0,
163
4. Esperanza matemtica
= r r f(v,<f>,o)dod<i>
Jo Jo
sen dddd<f>
o Jo
3/2
277*77
Wo
sen OdO
^ Jo
om
entonces
\27rkTj
ve
^2kT^
dv
at
Ngv(v)dv =
ic
a1
.c
La relacin
at
em
w.
EJEMPLO
ww
Solucin
El valor esperado de v se obtiene de la siguiente manera:
'dv
Jo
2<nkT) 2 \2kTJ
m
2irkT)
(2kT\ 2 _
\m)
/O17T\
UT
1/2
La energa cintica esperada del sistema es igual a la suma (o la integral) de las energas (E = j X) ,,). Como v es continua, la suma se
transforma en integral:
=
v = ^ I" v2gv(v)dv = ^
2 Jo
164
El valor esperado de v2 es
3/2
j v'e-^
\V 2 3 / - / m
m
As,
ic
a1
.c
om
-c_m3kT_ 3kT
~~ 2 m "" 2 '
EJEMPLO 4.5. Considere un gas ideal contenido en un horno a una
temperatura absoluta T, el cual escapa a travs de un pequeo orificio en
la pared. El orificio es tan pequeo que no altera el equilibrio en el horno.
Encuentre la funcin de densidad de la velocidad de las partculas que
escapan del horno, as como la energa cintica esperada de ellas.
Nvz ( m \ 3 / 2 2
w(v +v +v )
ww
w.
at
em
at
Solucin
El nmero de partculas que emergen a travs de un pequeo orificio
(proceso de efusin) es igual al nmero de partculas que golpeara el rea
ocupada por el orificio si ste estuviera cerrado. As que el nmero medio
de partculas con velocidad entre v y v + v que golpea una unidad de
rea de la pared por unidad de tiempo, est dado por
con oo < vx, vy < oo, 0 < vz < oo y V como el volumen del horno.
En coordenadas esfricas (v, 6, </>), la expresin anterior queda as:
<>(v, <>, 0)dv = ^ {^r^\
V
v V ^ f sen6eos6d6d<f>dv,
\277
con 0 < <f) < 2TT, 0 < 6 < f y 0 < v < oo.
De esta manera, el nmero medio de partculas con rapidez entre v y
v + dv por unidad de rea de recipiente y por unidad de tiempo est dado
por la funcin de densidad marginal de v:
72
\Jo
Jo
SeneC0Sedd
\ N ( m
)v{2^f)
irN ( m \W
165
\3/2
4. Esperanza matemtica
v V ^ dv
Jo
\NA ( m \ 3 / 2 /> 3 ^ ,
V _ N N UT\l/2
U
4V
UTTfcrJJ Jo
4V U
4 V \ 7 r mjj
Jo
La funcin de densidad de v de las partculas que escapan por el orificio
del recipiente est dada por
*(v)
<
om
4\
..
mv2 ,
at
00
ic
a1
.c
em
v e~Tclv = -
2\kTJ
\2kTJ
ww
w.
at
Ejercicios
3. La varianza
om
EJERCICIO
at
ic
a1
.c
EJERCICIO
ww
w.
at
em
EJERCICIO
3. La varianza
La varianza es una medida de la dispersin de los datos, cuya definicin
formal es
167
4. Esperanza matemtica
DEFINICIN 4.2. Dada una variable aleatoria X con funcin de densidad fx(x), se conoce como varianza de X al promedio de las diferencias
al cuadrado entre cada valor y su media, y se denota como
l)2fx{x)dx,
caso continuo.
- i*)2fx{xi)>
caso discreto.
1\(X
om
TEOREMA
.c
dadfx(x\
ic
a1
at
Demostracin
em
at
EYOV.. \ i E Y . . 2 \
w.
T//"V\
TPCY \
ww
_L , .
J7/V 2 \
JZyX )
,.2
J7Y \
Demostracin
1. Considere la funcin h(X) = C; entonces E(h(X)) = E(C) = C y
V(h(X)) = V(C) = E(C - E(C))2 = E(02) = 0.
168
3. La varianza
.c
ic
a1
om
at
at
em
As,
ww
w.
(Y-E(Y)))2
0
2
+ E(Y - E(Y)) .
V(Y)
4. Esperanza matemtica
Solucin
Se sabe que
ic
a1
.c
13a + 6 = 0 y 25a2 = 1,
om
at
Ejercicios
4.15. Sean X\, X2, X3,..., Xn variables aleatorias independientes e igualmente distribuidas, con E(Xi) = /x y V(X) = <j2,
i = l,2,3,...,/i.
(a) Encuentre la media de X = Y=\ X.
(b) Encuentre la varianza de X = JLi X.
(c) Encuentre el valor esperado de s2 = ^ - ELi(^/ - 3) 2 -
ww
w.
at
em
EJERCICIO
EJEROCIO 4.16. Sea X una variable aleatoria que representa el nmero de llamadas telefnicas que recibe un conmutador en un intervalo de 5
minutos, y cuya funcin de probabilidad est dada por
e~33x
fx(x) = ^ - ,
parax = 0,1,2,3,4,...
170
4. Covarianza y correlacin
ic
a1
.c
om
EJERCICIO 4.19. Se lanzan dos bolas a cuatro cajas, de tal manera que
cada bola tiene igual probabilidad de caer en cualquiera de las caja. Sea
X la variable aleatoria que indica el nmero de bolas en la primera caja.
1. Cul es la funcin de densidad de X?
2. Cul es la funcin de distribucin acumulativa de XI
3. Encuentre la media y la varianza de X.
at
em
at
EJERCICIO
ww
w.
4. Covarianza y correlacin
V(X+Y) = E(X-E(X))2+2E(X-E(X))E(Y-E(Y)) + E(Yel segundo trmino es igual a cero cuando X y Y son independientes.
Ahora vamos a revisar lo que ocurre en el caso de que X y Y no sean
independientes.
DEFINICIN 4.3. Sean X y Y dos variables aleatorias definidas en un
espacio muestral i;la covarianza de X y Y se define con la relacin
4. Esperanza matemtica
Demostracin
Al desarrollar la expresin E(X - /JLX)(Y - /y), y aplicando la propiedad
de linealidad de la esperanza matemtica, se tiene que
E(X - fix)(Y - ILJ) = E(XY - Yfix - XfiY
= E(XY) - fixE(Y) -
ic
a1
.c
om
en otro caso.
[0
$iO<x<ly\j<y<l
at
I 2Axy
fxr(x, y) = <
em
at
EJEMPLO
ww
w.
Encuentre la covarianza de X y Y.
Solucin
Primero se encuentran las medias de las dos variables,
E(X)=
xfXY(x,y)dydx=
Joo Joo
24x2ydy dx = - ,
Jo JO
Jo Jo
Jo
JO
15
= ~.
4. Covarianza y correlacin
Demostracin
1. Como el producto es conmutativo, se tiene que Cov(X, Y) = E(X X)(Y - fiY) = E(Y - tiY){X - fix) = Cov(YX).
2. Usando la propiedad de linealidad del valor esperado, se tiene que
om
ic
a1
.c
em
at
ww
w.
at
DEFINICIN
Demostracin
Considere las nuevas variables aleatorias X* = (X /xx)/ox y 7*
(Y IIY)/(TY, las cuales tienen media cero y varianza igual a 1, ya que
E(X)
V(X*) = V
V
Observe que
1=
o~x )
Cov{X*, T ) =
173
^A/ _
u\
PxY
ZJL
(T\
4. Esperanza matemtica
y que
V(7) = b2V(X) = V | ,
at
.c
ic
a1
Demostracin
Si E(X) = x y V(X) = o\, se sigue que
relacionadas
om
em
Cov(X, Y) = (X - ^ ( 7 -
My)
= (X - fJLX)2 = o i
at
y el coeficiente de correlacin es
ww
w.
cov(yr) = boj
VV(X)V(Y)
\b\er2x
El signo de pXY coincide con el signo de b, la pendiente de la recta
PXY
Demostracin
Como XyY son dos variables aleatorias independientes, entonces
E(XY) = E(X)E(Y) = fjLxfiY
y
Cov(Xy Y) = E(XY) - fjbxfiY = MX/F - VXVY = 0,
4. Covarianza y correlacin
Solucin
Observe que
xdx
= 0,
-i~2~
= 0;
om
ic
a1
J-\
.c
at
em
ww
w.
at
4. Esperanza matemtica
d5
d6
71)
om
5
_ (8 - 1)+(19 - 8) + (35 - 19) + (57 - 35) + (71 - 57) + (N-
.c
ic
a1
_ 7 1 - 1 _ mx{X,} - 1
5
'
at
El estimador propuesto es
em
2 = mx{X} + de = mx{X,} +
at
= L+imfcx,} - I = | 7 1 - i = 85.
ww
w.
n
n
5
5
Tercera solucin: Un tercer grupo piensa que la distancia entre el mximo
valor y Af debe ser semejante a la distancia entre el 1 y el mnimo valor
de la muestra, esto es
N - mx{X,-} = mn{Z/} - 1.
As, el estimador que proponen es
4. Covarianza y correlacin
at
ic
a1
.c
om
ww
w.
at
em
1 2 3 4 ... x - 1
y+l
y + 2 y + 3 y + 4 ... N
4. Esperanza matemtica
y y + l y + 2 y + 3 y + 4 ... x - 1
mn
^
m
^x
V - 1i /
~ '
\ *-z)
.c
y
y=\
ic
a1
#B
om
. #AX U - l i
at
em
at
\n J
ww
w.
para x = n, n + 1 , . . . , N.
La funcin de densidad marginal del mnimo valor en la muestra es
fm(y\n,N) = P(Xm = y) =
para x = 1,2,3,..., N - n + 1.
Y la funcin de densidad conjunta del mnimo y el mximo valor en
la muestra es
fx-l-y\
"
'
#0
N"
4. Covarianza y correlacin
iV+l-n
f{1)(x\n,N)
x=n
N
x-l
ic
a1
.c
om
U-i
x=n
I *'
at
M
(x\
w.
fx-l\
{n-l)= {n)
ww
em
x=n
Observe que
at
N\
[n)-
Entonces,
F(Y \ -
K{N
+ 1}
V1'
n*-l)
n(N
(n
179
4. Esperanza matemtica
(N-y\
iV-n+1
(A(D)
N-n+l
= 2^ y/d)(y) -
i I
2^ yTTA
Para obtener este valor esperado, se comienza con una suma de la forma (7V + 1 - x)fx(x), que se puede transformar en otra suma de la forma
k fy{y) = k, igual que antes.
(N-y\
N-n+l
(N +
l )
ic
a1
.c
om
E(N + l-Xm)=
\n-ll
n(N
w.
ww
yaque
at
em
at
n(iV + 1)w ^ + 1 V
Entonces,
1 - Xm) =
4. Covarianza y correlacin
D) = 2>+l)x/(*) =
x=n
xn
em
at
ic
a1
.c
om
Observe que
at
^)[n +2 7 = (n + 1 ) n ( n )'
ww
w.
Entonces
+ l)(N + 1)(N + 2)
(x+V
A Vn + 1
(+2)
U+2,
2)
(/i+2)
Y de aqu se sigue que
n(N + 1)(N - n)
(n+2)(n + l)2 *
181
4. Esperanza matemtica
( + !)(+ 2)
(N + 2-y\
\ n+ l )
(N + 2\
[n+2
om
_ n(N + l)(N + 2)
(n + 2)
De aqu se calcula la varianza de X(i), utilizando el hecho de que
ic
a1
.c
V(X)=E(N+l-X)(N+2-X)-(N+\)(N+2)+(2N+3)E(X)-(E(X))2,
em
at
ww
w.
at
- i = TV + t i
Ejercicios
*1
/*
/ ~r 1
at
em
at
ic
a1
.c
om
ww
w.
183
4. Esperanza matemtica
4.22. Sean X y Y variables aleatorias continuas, con funcin de densidad conjunta dada por
EJERCICIO
, , N
fxY(x,y)'=
24rxy
{
10
O<x<\yO<y<l-x,
en otro caso.
Encuentre la covarianza de X y Y.
EJERCICIO
N\
n + 1 N + 1
ic
a1
.c
om
\n-l
at
(c)
em
5. Esperanza condicional
4.6. Dadas dos variables aleatorias X y Y con funcin
de densidad conjunta fxy(x> y), se llama esperanza condicional de la
variable X, dado que la variable Y toma un valor y, a la expresin
w.
at
DEFINICIN
ww
en el caso discreto.
en el caso continuo.
Demostracin
La demostracin se hace slo para el caso continuo; para el caso discreto
basta sustituir las integrales por sumas.
Se sabe que
n
h
| x
,
l
184
5. Esperanza condicional
por lo tanto,
roo
E(X\Y = y)=
J-oo
roo
xfxlY(x\y)dx=
fvv(r
v"i
xJXY\9(}dx,
J-oo
jY(y)
E(E(X\Y)) = r
(T
x^pj^-dx)
= [ xT
Joo
fY(y)dy
\Joo
Joo
om
TEOREMA
ic
a1
.c
entonces
E(X\Y) = E(X).
em
at
Demostracin
Si X y Y son variables aleatorias independientes, entonces
at
fx\r(x\y) = fx(x),
w.
ww
Joo
Demostracin
Sea X tal que E(X) = /ULX y sea <p(y) = E(X\Y = y); entonces
V(E(X\Y)) = E (E(X\Y) - E(E(X\Y)))2 = E(<p(Y) -
= (X - iix)2 = E(X - <p(Y) + <p(Y) = E(X - <p{Y)f + E(cp(Y) - /x x ) 2 + 2E(X - <p(Y))(cp(Y) 185
fix).
4. Esperanza matemtica
E(X-<p(Y))(<p(Y)-fix)= /
roo
/ (x-<p(y))(<p(y)-Hx)fxY(x,y)dxdy
J oo Joo
roo
roo
= /
(x- <p(y))(<p(y) -
fix)fx\Y(x\y)fy(y)dxdy
J oo Joo
roo
roo
roo
(<P(y)-fix)fYy)
Joo Joo
(x-<p(y))fx\Y(x\y)dx.
Joo
E(X\Y=y)-E(X\Y=y)=O
Entonces,
V(X) = E{X-(p{Y))2 + E{(p{Y)-iix? > E{<p{Y)-iLX)2 = V(E(X\Y))\
om
em
at
ic
a1
.c
ww
w.
at
Solucin
Suponga que N denota el nmero de accidentes que ocurren, y sean X\,
X2,...,
XN las variables que denotan el nmero de heridos en cada uno
de estos accidentes. Entonces, el nmero total de accidentados es Y$L\ X.
Ahora
N
=1
=1
Observe que
N
T?(\
LL\
n
A
V I A7
/
A f i Y
1=1
M\
n)
TPt\
V \
xil>
A ; )
1=1
TPt V^
A-CrlA).
Finalmente,
i
=l
i=l
186
5. Esperanza condicional
.c
ic
a1
RY = {0, 1, 3, 4},
om
Solucin
Suponga que Y indica el nmero de das que requiere el prisionero para
alcanzar su libertad, y sea X el nmero de la puerta que elige en el i-simo
intento, i = 1,2,3. Si elige una puerta que lo lleva a un tnel, al regresar
elegir otra puerta nicamente de entre las dos que no ha elegido; de igual
manera se hace la tercera eleccin.
El recorrido de Y es
ww
w.
at
em
at
P(Y=1\X1=2)
= P(X2 = 1 | Xx = 2) = 1/2 y
4. Esperanza matemtica
ww
w.
at
em
at
ic
a1
.c
om
5.1 Problema de mantenimiento, reparacin y reemplazo de equipo. Considere una mquina que produce una ganancia de
100 unidades monetarias (u.m.) si trabaja toda la semana, y
0 u.m. si no lo hace.
Si al principio de la semana la mquina est trabajando, se puede
realizar o no un mantenimiento preventivo, con un costo de 20 u.m.
Si se realiza el mantenimiento preventivo, la probabilidad de que
la mquina trabaje toda la semana es de 0.7.
Si no se realiza el mantenimiento, la probabilidad de que la mquina
trabaje toda la semana es de 0.2.
Si al principio de la semana la mquina no trabaja, puede repararse
inmediatamente a un costo de 35 u.m., o bien, puede ser reemplazada por
una nueva mquina a un costo de 125 u.m.
Si se realiza la reparacin, la probabilidad de que la mquina trabaje
toda la semana es igual a 0.6.
Si la mquina se reemplaza, sta trabajar toda la semana sin problema.
Cuando la mquina trabaja bien toda la semana, al inicio de la siguiente
semana se encontrar trabajando. Si la mquina se descompone durante
la semana, al inicio de la siguiente no se encontrar trabajando.
Suponiendo que se dispone de una mquina nueva al inicio del proceso, se desea establecer la poltica ptima de reparacin, mantenimiento
y reemplazo que proporcione la utilidad total esperada mxima en un
periodo de cuatro semanas.
Solucin
Primero se va a identificar toda la informacin til.
La primera semana no habr un factor aleatorio, ya que se tiene una
mquina nueva, y sta trabajar toda la primera semana con una ganancia
188
5. Esperanza condicional
ww
w.
at
em
at
ic
a1
.c
om
Gi(EM = Ttt) = 0.
4. Esperanza matemtica
ic
a1
.c
om
em
at
at
ww
w.
5. Esperanza condicional
Utilidad
Probabilidad
Di
0.7
Ts
Tn
C/=-20
0.3
Ts
7=100
0.2
Tn
/ = 0
0.8
Ts
U = 65
0.6
Tn
U = -35
om
Ms
Ts
U=-25
Ts
Mn
Rn
.c
0.4
at
Rs
ic
a1
Tn
4.3 Diagrama de estado al principio de la semana, la desicin tomada y estado al final de la semana.
at
em
FIGURA
ww
w.
4. Esperanza matemtica
TABLA 4.4
T
Ms
80
0.7
E = r,
Ei = TS
M5
-20
0.3
= Tn
0.7
Ei = Tn
65
= TS
Rn
3
5
0.3
=
T
Ei = Tn
Ei+\
Rn
n
P(E5\EJP(E4\E3)P(E3\E2).
em
Es) =
at
4,
P(Eh E2,
at
ic
a1
.c
om
ww
w.
TABLA
Ei
Ts
Ts
Ts
Ts
Ts
Ts
Ts
Ts
Estados
E2 E3 4
Ts
Ts
Ts
Ts
Ts
Ts
Ts
Ts
Ts Tn
Ts Tn
Ts Tn
Ts Tn
Ts
Ts
Tn
Tn
Ts
Ts
Tn
Tn
Probabilidad
Es
Ts 0.7
Tn 0.7
Ts 0.7
Tn 0.7
Ts 0.3
Tn 0.3
Ts 0.3
Tn 0.3
192
X
X
X
X
X
X
X
X
0.7 x
0.7 x
0.3 x
0.3 x
0.6 x
0.6 x
0.4 x
0.4 x
0.7
0.3
0.6
0.4
0.7
0.3
0.6
0.4
=0.343
=0.147
=0.126
=0.084
=0.126
=0.054
=0.072
=0.048
Utilidad total
215
115
100
0
100
0
-15
-115
ic
a1
.c
om
at
em
at
w.
ww
4. Esperanza matemtica
Mx(t) = E(etx).
El nombre viene del desarrollo en serie de potencias de la funcin
exponencial:
.c
om
oo A Y i
at
ic
a1
em
1=0
*'
i=0
at
ww
w.
AfjjftO) = mr.
Demostracin
Si se deriva sucesivamente la funcin generadora de momentos, se tiene
que
=0
oo
i=0
00
=0
194
*mM
SiXyY
ic
a1
.c
om
em
at
at
w.
EJEMPLO
ww
Solucin
Considere las variables aleatorias X y Y cuya funcin de densidad conjunta
est dada por fxy(x, y) y suponga que U = X + Y. Entonces la funcin
generatriz de momentos de la variable aleatoria U es igual a
Mu(t) = E(e'u) = r
"Mu)du.
Joo
Por otro lado, la funcin generatriz de momentos de la variable aleatoria U se puede escribir como
efc+fxr(x, y)dxdy.
Joo Joo
L
p.482
195
4. Esperanza matemtica
v)dvdu
Joo Joo
Joo
Joo
fXY(v, u - v)dv.
ic
a1
fu{u) = g(u) = /
.c
om
at
at
em
fxr(x, y) = ex*y
ww
w.
Solucin
Por el resultado anterior, se tiene que
/oo
fu(u) = /
Joo
fXY(y, u - v)dv,
196
Ejercicios
Mv(t) = E(etU) = r
roo
= /
Joo
etu
etuvfXY(uvfv)dvdu
Joo Joo
roo
roo
emg(u)du.
vfXY(uv,v)dvdu = /
Joo
Joo
g(u)
vfXY(uv, v)dv.
.c
ic
a1
Ejercicios
om
Joo
at
~T~
X -f- y
em
at
EJERCICIO
ww
w.
197