Valor Esperado

Unidad 4.
Esperanza Matemática
(Valor Esperado)
Camilo Restrepo-Estrada
camilo.restrepo@udea.edu.co
Universidad de Antioquia
Esperanza matemática (Valor Esperado)
Si X es una variable aleatoria discreta y P (X = x) es su función
de masa de probabilidad, entonces su media teórica (poblacional),
esperanza matemática o valor esperado de la variable será:
X X
µ = E(X) = xP (X = x) = xp(x)
x x
Sea X una variable aleatoria discreta, la esperanza matemática

o media de g(X)* se define por:
X X
µg(X) = E(g(X)) = g(x)P (X = x) = g(x)p(x)
x x
Nota: Siempre que la suma o serie exista.

*
Sea g : R → R una función continua y X : Ω → R una variable aleatoria,
podemos componer las dos funciones para obtener una nueva variable alea-
toria Y = g(X).
Esperanza matemática (Valor Esperado)
Para una variable aleatoria continua X con función de densidad
de probabilidad f (x), la media teórica, esperanza o valor esperado
de la variable será:
Z ∞
µ = E(X) = xf (x) dx
−∞
Sea X una variable continua con densidad f (x), la esperanza

matemática o media de g(X)** se define por:
Z ∞
µg(X) = E(g(X)) = g(x)f (x) dx
−∞
Nota: Siempre que la integral exista.

**
Sea g : R → R una función continua y X : Ω → R una variable aleatoria,
podemos componer las dos funciones para obtener una nueva variable alea-
toria Y = g(X).
Ejemplo 1.
Una persona tiene $100 colocados a un interés del 10 % anual. En

un negocio diferente, se le presenta la oportunidad de incorporar
sus cien dólares a una empresa cuya rentabilidad anual responde
a la siguiente perspectiva:
• Ganar $20 e con probabilidad 0.8

• Perder $15 e con probabilidad 0.2
¿Qué decisión crees que debe tomar esta persona? Razona tu

respuesta.
Ejemplo 2.
Encuentre la esperanza de la variable aleatoria X si su densidad

de probabilidad es:


 x 0<x≤1



f (x) = 2−x 1<x≤2





0 e.o.c.
Ejemplo 3.
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 den-
sidad
32


 x>0
f (x) = (x + 4)3

 0 e.o.c.
Calcule el número promedio de días que una persona permanece
hospitalizada con el fin de seguir el tratamiento de dicha enfer-
medad.
Ejemplo 4.
1. Una v.a. X tiene la siguiente función de distribución de pro-

babilidad:
X -1 3 5
P (X = x) 0.25 0.25 0.5
2. X con distribución uniforme en el intervalo [a, b], es decir,

X con densidad
1


 a≤x≤b
f (x) = b − a

 0 e.o.c.
Para ambos casos calcule el valor esperado de g(X) = X 2
Esperanza matemática para vectores aleatorios
Si X e Y son dos variables aleatorias discretas y f (x, y) su dis-
tribución de probabilidad conjunta, el valor esperado de g(X, Y )
es:
XX
E[g(X, Y )] = µ = g(x, y)f (x, y)
x y
Nota: Siempre que las sumas o series existan.
De manera similar, si X e Y son dos variables aleatorias continuas

y f (x, y) su densidad de probabilidad conjunta, el valor esperado
de g(X, Y ) es:
Z ∞ Z ∞
E[g(X, Y )] = µ = g(x, y)f (x, y) dx dy
−∞ −∞
Nota: Siempre que las integrales existan.

Ejemplo 5.
Suponga que X y Y tiene la siguiente función de probabilidad

conjunta:
x
f (x, y)
2 4
1 0.14 0.15
3 0.10 0.10
y
5 0.16 0.13
7 0.05 0.17
Calcule el valor esperado de g(X, Y ) = XY 2

Ejemplo 6.
Sean X y Y dos variables aleatorias con la siguiente función de

densidad conjunta

 4xy 0 < x, y < 1
f (x, y) =
0 e.o.c.

Calcule el valor esperado de Z = X 2 Y

Propiedades de la Esperanza Matemática
Sean a, b ∈ R y f, g funciones de X variable aleatoria entonces:
1. E(a) = a
2. E(aX + b) = aE(X) + b
3. E[af (X)] = aE[f (X)]
4. E[af (X) + bg(X)] = aE[f (X)] + bE[g(X)]

Otros Momentos
Idea intuitiva: Muchas variables aleatorias tienen la misma me-
dia. Por tanto necesitamos otros descriptores de las variables y
que nos permita diferenciarlas. Por ejemplo, la variabilidad, la
simetría entre otras. En este contexto aparecen los momentos.
Centrados No centrados
E((X − E(X))k ) E((X)k )
En particular, el momento centrado de segundo orden lo conoce-

mos como la varianza.
Varianza
La varianza de una v.a. X, σ 2 , está dada por la expresión:
Varianza v.a. discreta

X X
var(X) = (x − µ)2 P (X = x) = (x − µ)2 p(x)
x x
Varianza v.a. continua

Z ∞
var(X) = (x − µ)2 f (x) dx
−∞
2
V (X) = σX = σ 2 = var(X) = E[(X − µ)2 ] = E[X 2 ] − µ2
Varianza
Sea X una variable aleatoria discreta con función de masa de

probabilidad f (x). La varianza de la función g(X) es
{g(x) − E [g(X)]}2 f (x)

X
V [g(X)] =
x
Sea X una variable aleatoria continua con función de densidad

de probabilidad f (x). La varianza de la función g(x) es
Z ∞
V [g(X)] = {g(x) − E [g(X)]}2 f (x)dx
−∞
Propiedades de la varianza
Sean a, b ∈ R y f, g funciones de X variable aleatoria entonces:
1. V (aX + b) = a2 V (X)
2. V (ag(X)) = a2 V (g(X))
3. V (X + Y ) = V (X) + V (Y ) + 2 COV(X, Y )
Covarianza
Sean X e Y dos variables aleatorias discretas con distribución de
probabilidad conjunta f (x, y). La covarianza de X e Y es:
σX,Y = E[(X − µX )(Y − µY )]

XX
= (x − µX )(y − µY )f (x, y)
x y
De la misma manera si X e Y dos variables aleatorias continuas

con distribución de densidad probabilidad conjunta f (x, y). La
covarianza de X e Y es:
σX,Y = E[(X − µX )(Y − µY )]

Z ∞ Z ∞
= (x − µX )(y − µY )f (x, y)dA
−∞ −∞
donde dA es dxdy o dydx

Ejemplo 7.
Carlos García, quien invierte con frecuencia en el mercado de va-
lores, estudia con detenimiento cualquier inversión potencial. En
la actualidad examina la posibilidad de invertir en la compañía
XYZ. Mediante el estudio del rendimiento en el pasado, Carlos
ha desglosado los resultado potenciales en cinco resultado posi-
bles con sus probabilidades asociadas. Los resultados son tasas de
rendimiento anuales sobre una sola acción que hoy cuesta $150.
Encuentre el valor esperado del rendimiento sobre la inversión en
una sola acción de XYZ.
Rendimiento inversión ($) 0 10 15 25 50
Probabilidad 0.20 0.25 0.30 0.15 0.10
• Si Carlos compra acciones siempre que la tasa de rendimiento

esperada exceda al 10 %, ¿comprará la acción, de acuerdo con
estos datos?
• ¿Cual es la varianza?
Ejemplo 8.
La demanda semanal de una bebida para una cadena local de

tiendas, en miles de litros, es una v.a. continua X que tiene la
función de densidad de probabilidad

 2(x − 1) 1 < x ≤ 2
f (x) =
0 e.o.c.

Calcule la media y la varianza de X.

Ejemplo 9.
Calcule la varianza de g(X) = 3X 2 + 2, donde la función de

probabilidad de la variable aleatoria X está dada por la tabla.
x 0 1 2 3 4
f (x) 0.20 0.15 0.35 0.10 0.20
Ejemplo 10.
La función de densidad de probabilidad de una variable aleatoria

X está dada por
(
2(1 − x) 0 < x < 1
f (x) =
0 e.o.c.
Determinar:
• E(2X 2 + 9)
• V (2X 2 + 9)
Desigualdad de Markov
Sea X una variable aleatoria con valores no negativos. Entonces

para todo δ > 0, tenemos:
E[X]
P (X ≥ δ) ≤ ; E[X] < ∞
δ
Ejemplo 11.
Una fábrica de computadores produce, en promedio, 150 unidades
por día. ¿Cuál es la probabilidad de que sean producidos más de
280 en un día cualquiera?
Desigualdad de Chebyshev
Sea X una variable aleatoria con E[X] = µ y varianza V (X) = σ 2 .

Entonces para todo δ > 0:
σ2
P (|X − µ| ≥ δ) =
δ2
Ejemplo 12.
Continuando con el ejemplo 11 de la fábrica de computadores,
supongamos que conocemos que σ 2 = 100. Calcule la probabili-
dad de que la fábrica produzca entre 120 y 180 computadores un
día cualquiera.

Valor Esperado

Cargado por

Copyright:

Formatos disponibles

Valor Esperado

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Valor Esperado

Cargado por

Copyright:

Formatos disponibles

Unidad 4.

Sea X una variable aleatoria discreta, la esperanza matemática

Nota: Siempre que la suma o serie exista.

Sea X una variable continua con densidad f (x), la esperanza

Nota: Siempre que la integral exista.

Una persona tiene $100 colocados a un interés del 10 % anual. En

• Ganar $20 e con probabilidad 0.8

¿Qué decisión crees que debe tomar esta persona? Razona tu

Encuentre la esperanza de la variable aleatoria X si su densidad

El periodo de hospitalización, en días, para pacientes que siguen

1. Una v.a. X tiene la siguiente función de distribución de pro-

2. X con distribución uniforme en el intervalo [a, b], es decir,

Nota: Siempre que las sumas o series existan.

De manera similar, si X e Y son dos variables aleatorias continuas

Nota: Siempre que las integrales existan.

Suponga que X y Y tiene la siguiente función de probabilidad

Calcule el valor esperado de g(X, Y ) = XY 2

Sean X y Y dos variables aleatorias con la siguiente función de

Calcule el valor esperado de Z = X 2 Y

Sean a, b ∈ R y f, g funciones de X variable aleatoria entonces:

3. E[af (X)] = aE[f (X)]

4. E[af (X) + bg(X)] = aE[f (X)] + bE[g(X)]

E((X − E(X))k ) E((X)k )

En particular, el momento centrado de segundo orden lo conoce-

Varianza v.a. discreta

Varianza v.a. continua

Sea X una variable aleatoria discreta con función de masa de

{g(x) − E [g(X)]}2 f (x)

Sea X una variable aleatoria continua con función de densidad

Sean a, b ∈ R y f, g funciones de X variable aleatoria entonces:

σX,Y = E[(X − µX )(Y − µY )]

De la misma manera si X e Y dos variables aleatorias continuas

σX,Y = E[(X − µX )(Y − µY )]

donde dA es dxdy o dydx

• Si Carlos compra acciones siempre que la tasa de rendimiento

La demanda semanal de una bebida para una cadena local de

Calcule la media y la varianza de X.

Calcule la varianza de g(X) = 3X 2 + 2, donde la función de

La función de densidad de probabilidad de una variable aleatoria

Sea X una variable aleatoria con valores no negativos. Entonces

Sea X una variable aleatoria con E[X] = µ y varianza V (X) = σ 2 .

También podría gustarte