Вы находитесь на странице: 1из 6

4: ESPERANZA MATEMÁTICA

4.1. Media de una variable aleatoria

X al ser una variable aleatoria por lo tanto puede tomar posibles valores o resultados y

a cada uno de los posibles resultados se puede asignar una probabilidad si la variable

es de tipo discreto o una densidad de probabilidad si la variable es de tipo continuo.

Sea X una variable aleatoria con distribución de probabilidad f(x). La media o valor

esperado de X es:

Si X es discreta:

= () = ∑ ()

= () = 1 ( 1 ) + 2 ( 2 ) + ⋯

Si X es contínua:

= () = ∫

−∞

()

Notas:

1)

La esperanza es una media ponderada por la probabilidad o densidad de probabilidad.

Ejercicios:

1)

En una bolsa se tiene ocho bolas, de las cuales seis son rojas y dos son negras. El juego consiste en sacar una bola de la bolsa. Si la bola es roja pierdes $1 y si es negra ganas 3$. ¿Cuál es la esperanza matemática?.

( )

2)

Sea X la variable aleatoria que denota la vida en horas de cierto dispositivo electrónico. La función de densidad de probabilidad es:

() =

20000

,

> 100

3 0,

Propiedades:

Tomando en cuenta que X y W son variables aleatorias y que C es una constante entonces:

1)

E(C) = C

2)

E(C*X) = C*E(X)

3)

E(X+W) = E(X) + E(W)

4)

E(X*W) = E(X) * E(W) + Cov(X*W)

Valor esperado de una variable aleatoria g(X)

Si X es discreta:

() = [()] = ∑ ()()

Si X es contínua:

Ejercicios:

() = [()] = ∫

−∞

()()

3)

Suponga que el número de máquinas eléctricas que se encienden entre las 4:00 y las 5:00 en un viernes cualquiera tienen la siguiente distribución de probabilidad.

x

4

5

6

7

8

9

P(X=x)

1/12

1/12

¼

1/4

1/6

1/6

Sea g(x)=2x-1 la cantidad de dinero en dólares que la fábrica le paga a la empresa eléctrica. Encuentre el costo que incurren las máquinas en ese periodo específico.

4)

Sea X una variable aleatoria con función de densidad

 

() =

2

3

,

−1 < < 2

0,

Encuentre el valor esperado de g(X) = 4X+3

4.2. Varianza y covarianza

Sea X una variable aleatoria con distribución de probabilidad f(x) y media . La varianza de X es:

Si X es discreta:

2 = [( − ) 2 ] = ∑( − ) 2 ()

Si X es continua:

+∞

2 = [( − ) 2 ] = ∫

−∞

( − ) 2 ()

La raíz cuadrada de la varianza es la desviación estándar de X.

Propiedades:

Tomando en cuenta que X y W son variables aleatorias y que C es una constante entonces:

1)

Var (C) = 0

2)

Var (X+C) = Var(X)

3)

Var

(C*X) = 2 ()

4)

Var (X+W) = () + () + 2(, )

Ejercicios:

5) Sea la variable aleatoria X el número de motores que se utilizan con propósito de fabricación en un día de trabajo dado. La distribución de probabilidad para la compañía A es:

X

1

2

3

f(x)

0,3

0,4

0,3

Y para la compañía B es:

X

0

1

2

3

4

f(x)

0,2

0,1

0,3

0,3

0,1

Indicar que compañía tiene una mayor varianza.

Varianza de una variable aleatoria g(X)

Si X es discreta:

2

()

= [(() () ) 2 ] = ∑[() − () ] 2 ()

Si X es contínua:

2

()

+∞

= [(() − () ) 2 ] = ∫

−∞

[() − () ] 2 ()

Ejercicios:

6)

Calcule la varianza de g(X)= 2X+3, donde X es una variable aleatoria con distribución de probabilidad.

x

0

1

2

3

f(x)

¼

1/8

1/2

1/8

7)

Sea X una variable aleatoria con función de densidad

 

() =

2

3

,

−1 < < 2

0,

Encuentre la varianza de g(X) = 4X+3

COVARIANZA

Sean X y Y variables aleatorias con distribución de probabilidad conjunta f(x,y). La covarianza de X y Y es:

Si X y Y son discretas

= [( − )( − )] = ∑ ∑( − )( − )(, )

Si X y Y son contínuas

+∞

= [( − )( − )] = ∫

−∞

+∞

−∞

( − )( − )(, )

La covarianza es una medida de la asociación entre dos variables aleatorias. Cuando X y Y son estadísticamente independientes la covarianza es cero. El signo positivo indica que la relación entre las variables aleatorias X y Y son directamente proporcionales mientras que el signo negativo indica que la relación entre X y Y son inversamente proporcionales.

Teorema de Chebyshev

La varianza nos indica la variabilidad de las observaciones alrededor de la media. Si una variable aleatoria tiene una varianza o desviación estándar pequeña, esperamos que la mayor parte de los valores se agrupen alrededor de la media. Por tanto, la probabilidad de que una variable aleatoria tome un valor dentro de cierto intervalo alrededor de la media es mayor que para una variable aleatoria similar con una desviación estándar mayor. El matemático ruso P.L. Chebyshev (1821-1894) descubrió que la fracción del área entre dos valores simétricos cualesquiera alrededor de la media está relacionada con la desviación estándar. Como el área bajo la curva de distribución de probabilidad o en un histograma de probabilidad suma 1, el área entre cualesquiera dos números es la probabilidad de que la variable aleatoria tome un valor entre estos números.

Teorema: La probabilidad de que cualquier variable aleatoria X tome un valor dentro

de k desviaciones estándar de la media es al menos 1 −

1

2 . Es decir:

( − < < + ) ≥ 1 −

1

2

Ejemplo:

Una variable aleatoria X tiene una media = 8, varianza 2 = 9 y una distribución de probabilidad desconocida. Encuentre:

a) P(-4<X<20)

b) P(|X-8|6)