Mtodos

Cuantitativos
Clase 4
 Esperanza Matemtica
Sea X una v.a. con rango Rx y funcin de probabilidad p(x) si es discreta o funcin
de densidad f(x) si es continua.
El valor esperado o esperanza matemtica de X, se denota por E(X) y se define:
E(X) = (), Si X es v.a. discreta
+
E(X) =
=
, si X es v.a. continua.

Siempre que () y sean absolutamente convergentes, es

decir: () finita y finita.

La esperanza matemtica de X se llama tambin media de la variable
aleatoria, y se denota por , sea.
= E(x)
Ejemplo 1
Se requiere probar el funcionamiento de 3 cascos de seguridad que utilizan ciertos
trabajadores en una empresa. Se define la v.a. X que asigna el numero de cascos
defectuosos al probarlos. Determine el valor esperado de X.

C1 C2 C3 X C1 C2 C3 Rx

N N N X (N N N) =0

N N D X (N N D) =1

N D N X (N D N) =1

N D D X (N D D) =2 Rx={0,1,2,3}
D N N X (D N N) =1

D N D X (D N D) =2

D D N X (D D N) =2

D D D X (D D D) =3
 Continuando
La distribucin de probabilidad para la v.a. X es:

X 0 1 2 3
P(X) 1/8 3/8 3/8 1/8

La esperanza Matemtica es:

1 3 3 1 3
E(X) = ()= 0
8
+ 1
8
+ 2
8
+ 3
8
=
2
= 1,5
Ejercicios
1. Hallar la Esperanza matemtica de la v.a. X con distribucin de
probabilidad dado por.
X 0 1 2 3 4
P(X) 0,2 0,4 0,3 0,08 0,02
2. Sea X una v.a. cuya funcin de densidad esta definida por:

3
2 ,0 2
4
f(x) =
0 ,
Propiedades de la Esperanza
1. Si X es la v.a. es Siempre positiva, entonces siempre lo es la E(X).
2. La esperanza de una Constante es igual a la misma constante, es
decir, E(c) = c, c constante
3. Si X v.a. esta delimitada por dos nmeros reales a y b talque
a < x < b, entonces tambin lo esta su medida, a < E(x) < b.
4. Linealidad
4.1 E(x + c)= E(x) + c
4.2 E(x + y)= E(x) + E(y)
4.3 E(x) = E(x)

TEOREMA
E(x + y)= E(x) + E(y)
Varianza de una v.a. X
La varianza de una v.a. X, se denota por Var(X) o por la letra griega 2 o simplemente 2 ( se lee :
sigma al cuadrado) y se define como:

Var (X) = 2 = E[ ( )2 ]

Propiedades
Sea X e Y v.a. y C constante,
1. Var (C) = 0
2. Var(X + Y)=Var(X) + Var(Y)
3. Var (X -Y)= Var(X) + Var(Y)
4. Var(X + C)=Var(X), C constante
5. Var(CX)= 2 Var(X)
Pero Var (X) = 2 = E[ ( )2 ] = E[X2 - 2X + 2] =

E[X2] - 2E[X] + 2 = E[X2] - 2 2 + 2 = E[X2] - 2 =

Finalmente: Var (X) = 2 = E[X2] - [ E[X] ]2

Siempre que no de negativo se puede usar.

Sabemos que la Var(X) = E[ ( )2 ]= 2 , luego la raz cuadrada de la Varianza.

= () = 2 Se le llama Desviacin estndar.

Si X es una v.a. discreta que tome los valores X1, X2, X3, Xn. Cuya
funcin de probabilidad sea f(x), entonces la Varianza esta dada por:

2 = E[(X-)2] = (X)2 f(x)

Si X es una v.a. continua cuya funcin de densidad es f(x). Entonces la

varianza esta dada por:
+
2 = E[(X-)2] =
(X) 2 f(x)dx
La varianza o la desviacin estndar es una medida de la dispersin o
variacin de los valores de la variable aleatoria alrededor de la
media . Si los valores tienden a concentrarse cerca de la media, la
varianza es pequea, mientras que si tienden a distribuirse alejados
de la media, la varianza es mas Grande.
TALLER 6
Encuentre la Varianza y la desviacin estndar de la v.a. continua,
donde la funcin de densidad es:

1
, 0<<2
2
=
0 , . .