Академический Документы
Профессиональный Документы
Культура Документы
INTENCIONALIDAD
si X es discreta, y Z ∞
µ = E(X) = xf (x) dx
−∞
si X es continua.
El valor esperado de una variable aleatoria X es una media ponderada de los posibles valores
que puede tomar X, donde las ponderaciones son las probabilidades de cada valor que X
toma.
Valor esperado de una función.
Sea X una variable aleatoria con distribución de probabilidad f (x). El valor esperado de
cualquier función g(X) es
X
µg(X) = E(g(X)) = g(x)f (x)
x
si X es discreta, y Z ∞
µg(X) = E(g(X)) = g(x)f (x) dx
−∞
si X es continua.
Definición.
Sean X y Y variables aleatorias con distribución de probabilidad conjunta f (x, y). El valor
esperado de la variable aleatoria g(X, Y ) es
XX
µg(X,Y ) = E(g(X, Y )) = g(x, y)f (x)
x y
si X y Y son discretas, y
Z ∞ Z ∞
µg(X,Y ) = E(g(X, Y )) = g(x, y)f (x, y) dx dy
−∞ −∞
si X y Y son continuas.
Varianza de una variable aleatoria
La varianza de una variable aleatoria es una medida usada para medir la cantidad de varia-
bilidad (dispersión).
Definición.
Sea X una variable aleatoria con distribución de probabilidad f (x) y valor esperado µ. la
varianza de X se define como el valor esperado de (X − µ)2 . Es decir
X
V (X) = σ 2 = E((X − µ)2 ) = (x − µ)2 f (x)
x
si X es discreta, y
Z ∞
2 2
V (X) = σ = E((X − µ) ) = (x − µ)2 f (x) dx
−∞
si X es continua.
La desviación estándar σ de la variable aleatoria X es la raı́z cuadrada positiva de V (X)
Se puede demostrar que la varianza de una variable aleatoria se puede calcular mediante
esta forma resulta ser más conveniente puesto que los cálculos se toman más sencillos.
Varianza de una función.
Sea X una variable aleatoria con distribución de probabilidad f (x). La varianza de cualquier
función g(X) es
X
2
V (g(X)) = σg(X) = E((g(X) − µg(X) )2 ) = (g(x) − µg(X) )2 f (x)
x
si X es discreta, y
Z ∞
2 2
V (g(X)) = σg(X) = E((g(X) − µg(X) ) ) = (g(x) − µg(X) )2 f (x) dx
−∞
si X es continua.
Covarianza de dos variables aleatorias
Definición.
Sean X y Y variables aleatorias con distribución de probabilidad conjunta f (x, y). La cova-
rianza de X y Y es
XX
σXY = E((X − µX )(Y − µy )) = (x − µX )(y − µy )f (x, y)
x y
si X y Y son discretas, y
Z ∞ Z ∞
σXY = E((X − µX )(Y − µy )) = (x − µX )(y − µy )f (x, y) dx dy
−∞ −∞
si X y Y son continuas.
La covarianza entre dos variables aleatorias es una medida de la asociación entre ambas
variables. Si valores grandes de X dan como resultados valores de Y , o valores pequeños de X,
dan como resultado valores pequeños de Y , (X − µX ) positiva dará como resultado (Y − µy )
positiva, y (X − µX ) negativa dará como resultado (Y − µy ) negativa. Por consiguiente, el
producto (X − µX )(Y − µy ) tiende a ser positivo. de otra manera valores grandes de X dan
como resultado valores pequeños de Y , entonces el producto (X − µX )(Y − µy ) tendera a
ser negativo.
El signo de la covarianza indica que si la relación entre las dos variables es positiva o es
negativa.
Una formula alternativa que se prefiere para calcular la covarianza es:
σXY = E(XY ) − µX µY
Coeficiente de Correlación
El coeficiente de correlación es una medida relativa que mide la fuerza de la relación entre
dos variables.
Definición
Sean X y Y variables aleatorias con covarianza σXY y desviaciones estándar σX y σY ,
respectivamente. El coeficiente de correlación de X y Y es
σXY
ρ=
σX σY
El coeficiente de correlación satisface la desigualdad −1 ≤ ρ ≤ 1
Teorema de Chebyshev
La probabilidad de que cualquier variable aleatoria X tome un valor dentro de k desviaciones
1
estándar de la media es de al menos 1 − 2 . Es decir
k
1
P (µ − kσ < X < µ + kσ) ≥ 1 −
k2
Valor esperado y Varianza de funciones lineales para variables aleatorias
Alguna propiedades útiles que simplifican los cálculos de los valores esperados y las varianza
de las variables aleatorias. Todos los resultados son validos para variables aleatorias discretas
y continuas.
1. Si a y b son constantes, entonces,
E(aX + b) = aE(X) + b
Al establecer que a = 0 vemos que E(b) = b
Al establecer que b = 0 vemos que E(aX) = aE(X)
2. El valor esperado de la suma o diferencia de dos o mas funciones de una variable
aleatoria X es la suma o diferencia de los valores esperados de las funciones. Es decir
E(g(X) ± h(X)) = E(g(X)) ± E(h(X))
EJEMPLOS
Ejemplo 1.
Hallar el valor esperado, la varianza y la desviación estándar de la distribución
x -5 -4 1 2
f (x) 0.25 0.125 0.5 0.125
P
Valor esperado E(X) = xf (x) = −5 ∗ 0,25 + −4 ∗ 0,125 + 1 ∗ 0,5 + 2 ∗ 0,125 = −1 Para
calcular la Varianza
Calculamos primero E(X 2 )
E(X 2 ) = x2 f (x) = 25 ∗ 0,25 + 16 ∗ 0,125 + 1 ∗ 0,5 + 4 ∗ 0,125 = 9,25
P
V (X) = 9,25 − (−1)2 = 8,25
Calculamos
√ la desviación estándar que es la raı́z cuadrada de la varianza.
σ = 8,25 = 2,87
Ejemplo 2.
Si el número de automóviles X que pasa por un lavado de autos entre 4:00 p.m. y 5:00 p.m.
en cualquier viernes soleado tiene la siguiente distribución de probabilidad:
x 4 5 6 7 8 9
f (x) 1/12 1/12 1/4 1/4 1/6 1/6
Sea g(x) = 2x − 1 la cantidad de dinero, en dólares que el administrador paga al empleado.
Encuentre la ganancia promedio y la varianza para g(x)
Para el cálculo de la ganancia promedio procedemos:
9
X 38
E(g(x)) = (2x − 1)f (x) = 7 ∗ 1/12 + 9 ∗ 1/12 + 11 ∗ 1/4 + 13 ∗ 1/4 + 15 ∗ 1/6 + 1/ ∗ 1/6 =
x=4
3
EJERCICIOS PROPUESTOS
Años 3 4 5 6 7 8 9 10 11 12 13
P(x) 0.03 0.05 0.07 0.10 0.14 0.20 0.18 0.12 0.07 0.03 0.01
2. Si una persona invierte en unas acciones en particular, en un año tiene una probabilidad
de 0,3 de obtener una ganancia de $4000 o una probabilidad de 0,7 de tener una perdida
de $1000. ¿Cuál es la ganancia esperada de esta persona?
3. Una empresa de seguros estima, con base en sus registros, que la probabilidad de que
uno de sus asegurados sufra un accidente es de 0.12. Cuando ocurre un accidente, la
probabilidad de que el daño alcance 25 % del costo del vehı́culo es de 0.75; de 50 % del
vehı́culo es 0.15 y de perdida total 0.10.
a) Determine todos los resultados posibles de los vehı́culos asegurados y calcule cada
una de las probabilidades.
b) Calcule e interprete el valor de la prima de un vehı́culo de $40,000,000 que deberı́a
cobrar la empresa de seguros para que la ganancia esperada sea de cero.?
4. La tabla siguiente nos muestra la distribución de probabilidad para la variable aleatoria
X, número de hembras adultas en un grupo de monos aulladores:
x 1 2 3 4 5
f (x) 0.10 0.15 0.50 0.15 0.10
a) Calcule Cov(X; Y )
b) ¿Son independientes X y Y ?
BIBLIOGRAFÍA