Esperanza matematica

Media de una variable aleatoria

• si dos monedas se lanzan 16 veces y X es el numero de caras que
resultan en cada lanzamiento, entonces los valores de X pueden ser 0,
1 y 2. Suponga que los resultados del experimento son: cero caras,
una cara y dos caras, un total de 4, 7 y 5 veces, respectivamente. El
numero promedio de caras por lanzamiento de las dos monedas es,
entonces
• Un inspector de calidad obtiene una muestra de un lote que contiene
7 componentes; el lote contiene 4 componentes buenos y 3
defectuosos. El inspector toma una muestra de 3 componentes.
Calcule el valor esperado del numero de componentes buenos en
esta muestra.
• Cierto dia un vendedor de una empresa de aparatos médicos tiene
dos citas. Considera que en la primera cita tiene 70 por ciento de
probabilidades de cerrar una venta, por la cual podría obtener una
comisión de $1000. Por otro lado, cree que en la segunda cita solo
tiene 40 por ciento de probabilidades de cerrar el trato, del cual
obtendría $1500 de comisión. ¿Cual es su comisión esperada con
base en dichas probabilidades? Suponga que los resultados de las
citas son independientes.
• En primer lugar sabemos que el vendedor, en las dos citas, puede
obtener 4 comisiones totales: $0, $1000, $1500 y $2500.
Necesitamos calcular sus probabilidades asociadas.
Mediante la independencia obtenemos
f ($0) = (1 −0.7)(1 −0.4) = 0.18, f ($2500) = (0.7)(0.4) = 0.28,

f ($1000) = (0.7)(1 −0.4) = 0.42, y f ($1500) = (1 −0.7)(0.4) = 0.12.

Por lo tanto, la comision esperada para el vendedor es
E (X) =($0)(0.18) + ($1000)(0.42) + ($1500)(0.12) + ($2500)(0.28) =
$1300.
• Sea X la variable aleatoria que denota la vida en horas de cierto
dispositivo electrónico. La función de densidad de probabilidad es
• Sea X una variable aleatoria con funcion de densidad

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

• El numero de imperfecciones que hay en cada 10 metros de una tela
sintética, en rollos continuos de ancho uniforme

Calcule el numero promedio de imperfecciones que hay en cada 10

metros de esta tela.
• A un operador de un local de lavado de autos se le paga de acuerdo
con el numero de automóviles que lava. Suponga que las
probabilidades de que entre las 4:00 p.m. y las 5:00 p.m. de cualquier
viernes soleado reciba $7, $9, $11, $13, $15 o $17 son: 1/12, 1/12,
1/4, 1/4, 1/6 y 1/6, respectivamente. Calcule las ganancias esperadas
del operador para este periodo especifico.
• Si una persona invierte en unas acciones en particular, en un ano
tiene una probabilidad de 0.3 de obtener una ganancia de $4000 o
una probabilidad de 0.7 de tener una perdida de $1000. .Cual es la
ganancia esperada de esta persona?
• Suponga que un distribuidor de joyeria antigua esta interesado en
comprar un collar de oro para el que tiene 0.22 de probabilidades de
venderlo con $250 de utilidad; 0.36 de venderlo con $150 de utilidad;
0.28 de venderlo al costo y 0.14 de venderlo con una perdida de
$150. .Cual es su utilidad esperada?
• Calcule la proporción X de personas que se podría esperar que
respondieran a cierta encuesta que se envía por correo, si X tiene la
siguiente función de densidad
• El periodo de hospitalización, en días, para pacientes que siguen el
tratamiento para cierto tipo de trastorno renal es una variable
aleatoria Y = X + 4, donde X tiene la siguiente función de densidad

Calcule el numero promedio de dias que una persona permanece

hospitalizada con el fi n de seguir el tratamiento para dicha
enfermedad.
Varianza y covarianza de
variables aleatorias
Sea X una variable aleatoria con distribución de probabilidad f (x) y media μ. La
varianza de X es

La raíz cuadrada positiva de la varianza, σ, se llama desviación estándar de X.

• Suponga que la variable aleatoria X representa el numero de
automóviles que se utilizan con propósitos de negocios oficiales en un
día de trabajo dado. La distribución de probabilidad para la empresa

μA = E (X ) = (1)(0 .3) + (2)(0 .4) + (3)(0 .3) = 2.0,

• Sea X una variable aleatoria con la siguiente distribución de
probabilidad:

Calcule la desviación estándar de X.

Distribuciones de probabilidad discreta

• Distribuciones binomial y multinomial

Con frecuencia un experimento consta de pruebas repetidas, cada una

con dos resultados posibles que se pueden denominar éxito o fracaso.
La aplicación más evidente tiene que ver con la prueba de artículos a
medida que salen de una línea de ensamble, donde cada prueba o
experimento puede indicar si un artículo está o no defectuoso.
El proceso se conoce como proceso de Bernoulli y cada ensayo se denomina
experimento de Bernoulli.

En términos estrictos el proceso de Bernoulli se caracteriza por lo siguiente:

1. El experimento consta de ensayos repetidos.

2. Cada ensayo produce un resultado que se puede clasificar como éxito o fracaso.

3. La probabilidad de un éxito, que se denota con p, permanece constante de un

ensayo a otro.

4. Los ensayos repetidos son independientes.

• Considere el conjunto de experimentos de Bernoulli en el que se
seleccionan tres artículos al azar de un proceso de producción, luego
se inspeccionan y se clasifican como defectuosos o no defectuosos.
Un articulo defectuoso se designa como un éxito. El numero de éxitos
es una variable aleatoria X que toma valores integrales de cero a 3.
Los ocho resultados posibles y los valores correspondientes de X son

Resultado NNN NDN NND DNN NDD DND DDN DDD

x 0 1 1 1 2 2 2 3
• Como los artículos se seleccionan de forma independiente y se asume
que el proceso produce 25% de artículos defectuosos,
Distribución binomial
• Un experimento de Bernoulli puede tener como resultado un éxito
con probabilidad p y un fracaso con probabilidad q = 1 – p. Entonces,
la distribución de probabilidad de la variable aleatoria binomial X, el
numero de éxitos en n ensayos independientes, es
• La probabilidad de que cierta clase de componente sobreviva a una
prueba de choque es de 3/4. Calcule la probabilidad de que
sobrevivan exactamente 2 de los siguientes 4 componentes que se
prueben.
Si suponemos que las pruebas son independientes y p = 3/4 para cada
una de las 4 pruebas, obtenemos
• La probabilidad de que un paciente se recupere de una rara enferme
dad sanguínea es de 0.4. Si se sabe que 15 personas contrajeron la
enfermedad, ¿cual es la probabilidad de que
a) sobrevivan al menos 10,
b) sobrevivan de 3 a 8, y
c) sobrevivan exactamente 5?
• Sea X el numero de personas que sobreviven.
• La media y la varianza de la distribución binomial b (x; n, p) son
Experimentos multinomiales y la distribución
multinomial

El experimento binomial se convierte en un experimento multinomial

si cada prueba tiene mas de dos resultados posibles.
• Distribución multinomial: Si un ensayo dado puede producir los k
resultados E1, E2,..., Ek con probabilidades p1, p2,…, pk, entonces la
distribución de probabilidad de las variables aleatorias X1, X2,..., Xk,
que representa el numero de ocurrencias para E1, E2,..., Ek en n
ensayos independientes, es
• La complejidad de las llegadas y las salidas de los aviones en un
aeropuerto es tal que a menudo se utiliza la simulación por
computadora para modelar las condiciones “ideales”.
• Para un aeropuerto especifico que tiene tres pistas se sabe que, en el
escenario ideal, las probabilidades de que las pistas individuales sean
utilizadas por un avión comercial que llega aleatoriamente son las
siguientes:
Pista 1: p1 = 2/9
Pista 2: p2 = 1/6
Pista 3: p3 = 11/18
• ¿Cual es la probabilidad de que 6 aviones que llegan al azar se
distribuyan de la siguiente manera?
Pista 1: 2 aviones
Pista 2: 1 aviones
Pista 3: 3 aviones
Distribución hipergeometrica

• La distribución de probabilidad de la variable aleatoria

hipergeometrica X, el numero de éxitos en una muestra aleatoria de
tamaño n que se selecciona de N artículos, en los que k se denomina
éxito y N – k fracaso, es
• Lotes con 40 componentes cada uno que contengan 3 o mas
defectuosos se consideran inaceptables. El procedimiento para
obtener muestras del lote consiste en seleccionar 5 componentes al
azar y rechazar el lote si se encuentra un componente defectuoso.
¿Cuál es la probabilidad de, que en la muestra, se encuentre
exactamente un componente defectuoso, si en todo el lote hay 3
defectuosos?
• Si utilizamos la distribución hipergeometrica con n = 5, N = 40, k = 3 y
x = 1, encontramos que la probabilidad de obtener un componente
defectuoso es
• La media y la varianza de la distribución hipergeometrica h(x; N, n, k)
son
Distribución geométrica
• Si pruebas independientes repetidas pueden tener como resultado un
éxito con probabilidad p y un fracaso con probabilidad q = 1 – p,
entonces la distribución de probabilidad de la variable aleatoria X, el
numero de la prueba en el que ocurre el primer éxito, es
g(x ; p) = pq*(x-1) , x = 1, 2, 3, . . .
• Se sabe que en cierto proceso de fabricación uno de cada 100
artículos, en promedio, resulta defectuoso. ¿Cual es la probabilidad
de que el quinto articulo que se inspecciona, en un grupo de 100, sea
el primer defectuoso que se encuentra?
Solución: Si utilizamos la distribución geométrica con x = 5 y p = 0.01,
tenemos
g(5; 0.01) = (0.01)(0.99)*4 = 0.0096.
Distribución de Poisson y proceso de Poisson
• Los experimentos que producen valores numéricos de una variable
aleatoria X, el numero de resultados que ocurren durante un intervalo
de tiempo determinado o en una región especifica, se denominan
experimentos de Poisson. El intervalo de tiempo puede ser de
cualquier duración, como un minuto, un dia, una semana, un mes o
incluso un año
1. El numero de resultados que ocurren en un intervalo o región
especifica es independiente del numero que ocurre en cualquier otro
intervalo de tiempo o región del espacio disjunto. De esta forma
vemos que el proceso de Poisson no tiene memoria.

2. La probabilidad de que ocurra un solo resultado durante un intervalo

de tiempo
muy corto o en una región pequeña es proporcional a la longitud del
intervalo o al tamaño de la región, y no depende del numero de
resultados que ocurren fuera de este intervalo de tiempo o región.

3. La probabilidad de que ocurra mas de un resultado en tal intervalo

de tiempo corto o que caiga en tal región pequeña es insignificante.
Distribución de Poisson
• La distribución de probabilidad de la variable aleatoria de Poisson X, la cual
representa el numero de resultados que ocurren en un intervalo de tiempo
dado o región específicos y se denota con t, es

donde λ es el numero de resultados por unidad de tiempo, distancia, area o

• volumen y e = 2.71828…
• Las llamadas de servicio entran en un centro de mantenimiento de
informática de acuerdo con un proceso de Poisson y en promedio
entran 2.7 llamadas por minuto. Determine a probabilidad que
menos de 3 llamadas entren en un minuto cualquiera.