Anda di halaman 1dari 22

TEMA: Esperanza Matemática

y
Varianza de una variable aleatoria

Estadística I
Ingeniería en Sistemas de Información
ESPERANZA MATEMÁTICA
• Es una forma de medir el valor esperado
(media) de que suceda un determinado
acontecimiento que contiene un valor
(beneficio o pérdida) adicional.
Media de una variable aleatoria
Ejemplo:
Si dos monedas se lanzan 16 veces y X es el número de caras que
ocurren en cada lanzamiento, entonces los valores de X pueden
ser 0, 1 y 2. supóngase que en el experimento resultan cero
caras, una cara y dos caras, un total de 4, 7 y 5 veces,
respectivamente.
Entonces:

Reestructurándose el cálculo:

Los números 4/16, 7/16 y 5/16 son fracciones del total de lanzamientos que
resultan en 0, 1 y 2 caras. Estas fracciones también son las frecuencias
relativas para los diferentes valores de X en el experimento.
Entonces puede calcularse la media o promedio de un conjunto de datos,
conociendo los distintos valores que ocurren y sus frecuencias relativas.
Para el cálculo del valor promedio se hará
referencia a la media de la variable aleatoria X o
la media de la distribución de probabilidad de X,
y se expresa como µ. También es común entre
los estadísticos referirse a la media como la
esperanza matemática o el valor esperado de la
variable aleatoria X, y se expresa como E(X).
Ejemplo:
Utilizaremos, ahora, el método de frecuencias relativas para
calcular el número promedio de caras por lanzamiento de dos
monedas, que se podría esperar en el largo plazo.

Espacio muestral

P(X=0) = P(EE)= 1/4


P(X=1) = P(EC) + P(CE)= 1/2
P(X=2) = P(CC)= 1/4
µ = E(X) = (0)(1/4) + (1)(1/2) + (2)(1/4) = 1

SIGNIFICA: que una persona que lanza 2 monedas una y otra vez, en promedio
Obtendrá 1 cara por lanzamiento.
Sea X una variable aleatoria con distribución de
probabilidad f(x). La media o valor esperado de
X es:
Si es discreta:

Si es continua: ∞
𝜇=𝐸 𝑋 = 𝑥𝑓(𝑥) 𝑑𝑥
−∞
Ejemplo:
En un juego de azar una persona podrá ganar $5 si cuando lance tres
monedas ocurren tres caras o tres escudos, o perderá $3 si ocurren una o dos
caras. ¿Cuánto espera ganar esta persona?

Solución:

1. Espacio muestral

2. La variable aleatoria de interés es Y, la cantidad de dinero


que el jugador puede ganar; y los valores posibles de Y son:

Si ocurre el evento ganará $5

Si ocurre el evento perderá $ -3


3. De acuerdo con la distribución de probabilidades
X 0 1 2 3
f(x) 1/8 3/8 3/8 1/8

Los eventos E1 y E2 ocurren con probabilidades de 1/4 y 3/4, se


tiene que:
Formula para el calculo

Respuesta: En este juego la persona perderá, en


promedio. $1 por lanzamiento de las tres monedas.
• Ejemplo:

Una empresa rifa un automóvil en Q. 200,000.00 y se encuentra vendiendo


3,000 boletos de participación. Si una persona adquiere 10 boletos,
determinar el valor de su esperanza matemática.

1. Determinar el valor de probabilidad simple de que suceda el premio el


fenómeno. En este caso el valor de la probabilidad de ganar el premio es
de
10/3000 = 0.0033
1. Multiplicar por el beneficio o pérdida supuesta. En este caso el beneficio,
está valuado en Q. 200,000 por lo que habrá que multiplicar el valor de
la probabilidad por el valor del beneficio, así:
0.0033 x 200,000 = 666.66
1. Enunciar la respuesta. El valor de la esperanza matemática o valor
esperado para esta persona que compró 10 boletos para tal rifa, es de:
Q. 666.66
Ejemplo:
• Un ingeniero en sistemas inicia un negocio con una probabilidad 3/4 de
ganar Q. 5,000.00 y con una probabilidad de 2/3 de perder Q. 1,000.00.
determinar su esperanza

1. Determinar el valor de probabilidad simple de que suceda el fenómeno.


En este caso ya está calculado. Pero son dos: Para el primer evento es :
3/4 ó 0.75 de ganar 5,000 Para el segundo evento es: 2/3 ó 0.67 de
perder 1,000.
2. Multiplicar por el beneficio o pérdida supuesta.
A) Para el primer caso: Esperanza = 0.75 x 5,000 = 3,750
B) Para el segundo caso: E = 0.67 x 1,000 = 670.
3. Enunciar la respuesta. La respuesta es compuesta, ya que el primer
valor es un beneficio y el otro una pérdida; la respuesta es una
diferencia positiva por cuanto el beneficio es mayor que la pérdida,
así. 3,750 – 670 = 3,080.
Varianza y Covarianza
• La media o valor esperado de una variable
aleatoria X es de especial importancia en
estadística debido a que determina el lugar
donde se centra la distribución de
probabilidad. No obstante, por sí misma, la
media no proporciona una adecuada
descripción de la forma de la distribución. Se
necesita caracterizar la variabilidad de
distribución.
Distribución con medias iguales y
dispersiones diferentes.

X X
1 2 3 0 1 2 3 4
a b

La medición más importante de variabilidad de una variables aleatorio X se obtiene


Haciendo g(X) = (X - µ)2 por su importancia en estadística, se le llama, variancia de la
variable aleatorio X o varianza de la distribución de probabilidad de X y se representa
por Var(X) o por el símbolo cuando es obvio a qué variable aleatorio se refiere.
Sea X una variable aleatoria con distribución de
probabilidad f(x) y media µ. La varianza de X es:

Desviación de una
Si X es discreta, y observación con
respecto a su media

Si es continua. La raíz cuadrada positiva de la varianza,


se llama la desviación estándar de X
Ejemplo: Sea que la v.a. X represente el número de automóviles que se
utilizan para propósitos de negocios en un día cualquiera de trabajo. La
Distribución de probabilidad para la compañía A está dada por;

1 2 3
a

y para la compañía B es

0 1 2 3 4
b
Continuado con el ejemplo: Sea que la v.a. X represente el número de
automóviles que se utilizan para propósitos de negocios en un día cualquiera
de trabajo. La Distribución de probabilidad para la compañía A está dada por;

Demuestre que la variancia de la distribución de probabilidad para la


compañía B es mayor que la de la compañía A.

Solución: para al compañía A se encuentra que,


µ = E (X) = (1)(0.3) + (2)(0.4) + (3)(0.3) = 2.0

Y entonces,

= (1 – 2)2 (0.3) + (2 – 2)2 (0.4) + (3 – 2)2 (0.3) = 0.6


y para la compañía B es

µ = E (X) = (0)(0.2) + (1)(0.1) + (2)(0.3) + (3)(0.3) + (4)(0.1) = 2.0

y entonces,

= (0 – 2)2 (0.2) + (1 – 2)2 (0.1) + (2 – 2)2 (0.3) + (3 – 2)2 (0.3) + (4 – 2)2 (0.1) = 1.6

Claramente, la varianza del número de automóvil que se utilizan


oficialmente es mayor para la compañía B que para la compañía
A
Varianza
(fórmula abreviada)
Que para hacer los cálculos se traduce en:

Para el caso continuo la demostración es casi la misma, sólo que se sustituyen


las sumatoria por integrales.
La varianza de una variable aleatoria X está dada por:
Formula alterna y preferida para encontrar la varianza

Ejemplo:
Sea la v.a. X que represente el número de partes defectuosas de una máquina
cuando 3 de ellas se seleccionan de una línea de producción y se prueban. La
siguiente es la distribución de probabilidad de X.

Calcule
Solución:
µ = E(X) = (0)(0.51) + (1)(0.38) + (2)(0.10) + (3)(0.01) = 0.61

Ahora,
E (X2) = (0)(0.51) + (1)(0.38) + (4)(0.10) + (9)(0.01) = 0.87

Por lo tanto, = 0.87 – (0.61)2 = 0.4979


• Los ejemplos anteriores solo se puede
comparar dos o más distribuciones cuando
tienen las mismas unidades de medida.
• Ahora extenderemos el concepto de
varianza de una variables aleatoria X para
incluir también variables aleatorias
relacionadas con X.
Sea X una v.a. con distribución de probabilidad f(x). La
varianza de la variable aleatoria g (X) esta dada por:

Si X es discreta:
Dado que g(X) es en sí una variable aleatoria con media µg(x), se sigue la
definición:

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


distribución de probabilidad

Solución: primero se define la media de la variable aleatoria 2X + 3.

Aplicando el teorema
FIN DE LA PRESENTACIÓN