Expectativa de una variable Aleatoria

Si h(x) es una función real de una variable aleatoria x, el valor esperado de h(x) se
calcula como

Ejemplo:
Durante la primera semana de cada mes pagué todas mis facturas y contesté algunas
cartas. Suelo comprar 20 estampillas de primera clase cada mes para este propósito. En
realidad, la cantidad de estampillas que uso varía al azar entre 10 y 24 con iguales
probabilidades. Determine el promedio de estampillas que sobran (es decir, el excedente
promedio) por mes.
La fdp de la cantidad de estampillas utilizadas es:
p(x) = 1/15, x = 10, 11,…, 24.

El número de estampillas sobrantes es

20-x, x=10, 11,……,19

h(x)=
0, de lo contrario

Por lo tanto,
E{h(x)} = 1/15 [(20 - 10) + (20 - 11) + (20 - 12) + ….. + (20 - 19)] + 5/15(0) = 3 2/3

El producto 5/15(0) representa el resultado de quedarse sin estampillas lo que corresponde

a la probabilidad de utilizar al menos 20 estampillas; es decir,

P{x < 20} = p(20) + p(21) + p(22) + p(23) + p(24) = 5/15

Media y varianza (desviación estándar) de una variable aleatoria

El valor medio E{x} mide la tendencia central (o suma ponderada) de la variable aleatoria
x. La varianza var{x} mide la dispersión o desviación de x alrededor de su valor medio.
Su raíz cuadrada se conoce como desviación estándar de x, Desv.Est.{x}. Una desviación
estándar grande implica una alta incertidumbre.
Ejemplo:
(Lanzamiento de un dado) La fdp es p(x) = 1/6, x= 1, 2,…, 6. Por lo tanto,
E{x} = 1(1/6) + 2 (1/6) +3(1/6) +4(1/6) +5(1/6) + 6(1/6) = 3.5

var{x} = (1/6){ (1 − 3.5 )2 + (2 − 3.5 )2 +(3 − 3.5 )2+(4 − 3.5 )2+(5 − 3.5 )2 +
(6 − 3.5 )2 } =2.917
Desv.Est.(x) = √2.917= 1.708

Variables aleatorias conjuntas

Se considera dos variables aleatorias continuas 𝑥1 y 𝑥2 , donde 𝑎1 ≤𝑥1 ≤ 𝑏1 y 𝑎1 ≤𝑥2 ≤
𝑏1 .Defina f(𝑥1 , 𝑥2 ) como la fdp conjunta de 𝑥1 y 𝑥2 y f1(𝑥1 ) y f2(𝑥2 ) como sus respectivas
fdp marginales. Entonces

f(𝑥1 , 𝑥2 )≥0, 𝑎1 ≤𝑥1 ≤ 𝑏1 y 𝑎1 ≤𝑥2 ≤ 𝑏1

𝑏1 𝑏1

∫ 𝑑𝑥1 ∫ 𝑑𝑥2 f(𝑥1 , 𝑥2 ) = 1

𝑎1 𝑎1

𝑏
𝑓1 (𝑥1 )= ∫𝑎 1 𝑓1 (𝑥1 , 𝑥2 ) 𝑑𝑥2
1

𝑏
𝑓2 (𝑥2 )= ∫𝑎 1 𝑓1 (𝑥1 , 𝑥2 ) 𝑑𝑥1
1

𝑓1 (𝑥1 , 𝑥2 ) = 𝑓1 (𝑥1 )𝑓2 (𝑥2 ), si 𝑥1 y 𝑥2 son independientes Las mismas fórmulas aplican a
las fdp discretas, al reemplazar la integración con la suma.
En el caso especial y = c1x1 + c2x2, donde las variables aleatorias x1 y x2 están
conjuntamente distribuidas de acuerdo con la fdp 𝑓1 (𝑥1 , 𝑥2 ), podemos demostrar que

E{𝑐1 𝑥1 + 𝑐2 𝑥2 } =𝑐1E{𝑥1 } + 𝑐2 E{𝑥2 }

Var{𝑐1 𝑥1 + 𝑐2 𝑥2 }=𝑐1 2 var{𝑥1 } + 𝑐2 2 var{𝑥2 } + 2𝑐1 𝑐2 cov{𝑥1 , 𝑥2 }

Donde
cov{𝑥1 , 𝑥2 } = E{(𝑥1 − E{𝑥1 })(𝑥2 − E{𝑥2 })}

= E(𝑥1 𝑥2 − 𝑥1 E{𝑥2 } − 𝑥2 E{𝑥1 } + E{𝑥1 }E{𝑥2 })

= E{𝑥2 𝑥1 }- E{𝑥1 }E{𝑥2 }

Si x1 y x2 son independiente, entonces E{x1 x2 } = E{x1 }E{x1 } y cov {x1 , x2 }= 0. Lo

contrario no es cierto, en el sentido de que dos variables dependientes puedan tener
covarianza cero.

Ejemplo:

Un lote incluye cuatro artículos defectuosos (D) y seis buenos (G). Se selecciona un
artículo al azar y se examina. Luego se selecciona un segundo artículo de entre los nueve
artículos restantes y se examina. Sean 𝑥1 y 𝑥2 que representen los resultados de la primera
y segunda selecciones.
(a) Determine las fdp conjuntas y marginales de 𝑥1 y 𝑥2 .
(b) Suponga que un artículo bueno reditúa un ingreso neto de $5 y uno defectuoso
representa una pérdida de $6. Determine la media y la varianza del ingreso después
examinar los dos artículos.

Sea p(𝑥1 , 𝑥2 ) la fdp conjunta de 𝑥1 y 𝑥2 , y definimos a 𝑝1 (𝑥1 ) y 𝑝2 (𝑥2 ) como las fdp
marginales. Primero, determinamos 𝑝1 (𝑥1 ) como

6 4
𝑝1 (𝐺) = 10 = 0.6 𝑝1 (𝐷) = 10 = 0.4

Luego, sabemos que el segundo resultado 𝑥2 depende del primer resultado 𝑥1 . Por
consiguiente, para determinar 𝑝2 (𝑥2 ), primero determinamos la fdp conjunta 𝑃(𝑥1 , 𝑥2 )
(aplicando la fórmula P{AB} =P{A|B}P{B} ), a partir de la cual podemos determinar la
distribución marginal 𝑝2 (𝑥2 ). Por lo tanto,
 P{𝑥2 = G|𝑥1 = G} = 5/9
P{𝑥2 = G|𝑥1 = B} = 6/9
P{𝑥2 = B|𝑥1 = G} = 4/9
P{𝑥2 = B|𝑥1 = B} = 3/9

Luego:

P{𝑥2 = G|𝑥1 = G} = 5/9 x 6/10 = 5/15

P{𝑥2 = G|𝑥1 = B} = 6/9 x 4/10 =4/15
P{𝑥2 = B|𝑥1 = G} = 4/9 x 6/10 = 4/15
P{𝑥2 = B|𝑥1 = B} = 3/9 x 4/10 = 2/15

El ingreso esperado se determina con la distribución conjunta reconociendo que G

produce $5 y B produce -$6. Por lo tanto,

Ingreso esperado = (5 + 5)5/15 +(5-6)4/15 + (-6+5)4/15 +(-6-6)2/15= $1.20