Sunteți pe pagina 1din 6

GUIA 2 valor esperado y varianza.

Valor esperado, varianza y desviacin estndar de una variable


aleatoria discreta.

Valor Esperado
El valor esperado o esperanza de una variable aleatoria tiene su origen en los
juegos de azar, debido a que los jugadores deseaban saber cul era su
esperanza de ganar o perder con un juego determinado. Como a cada resultado
particular del juego le corresponde una probabilidad determinada, esto
equivale a una funcin de probabilidad de una variable aleatoria y el conjunto
de todos los resultados posibles del juego estar representado por la
distribucin de probabilidad de la variable aleatoria. El valor esperado o
esperanza es muy importante, ya que es uno de los parmetros que describen
una variable aleatoria.

Sea X una variable aleatoria discreta con funcin de probabilidades f(x). Entonces, el
valor esperado de la variable aleatoria X, el cual se representa por E(X), est definido
por:
E(X) = xi f(xi)

Lo anterior significa, que para calcular E(X) se multiplica cada valor que
puede tomar la variable aleatoria por la probabilidad que le corresponde y
despus se suman esos productos.

El valor esperado representa el valor promedio que se espera suceda, al


repetir el experimento en forma independiente una gran cantidad de veces. El
valor esperado se interpreta fsicamente como el centro de masa o centro de
gravedad de la distribucin de probabilidad, por lo que es igual a
la media o promedio aritmtico, los cuales se representan con la letra .

De acuerdo a lo anterior podemos escribir que:

E(X) = = xi f(xi)

Ejemplo 4. 7. Si se lanzan dos dados legales, encontrar el valor esperado.

Solucin.

Definamos la variable aleatoria X como la suma de los nmeros que aparecen


al lanzar dos dados legales. Como vimos en el problema anterior, la
distribucin de probabilidad es:

xi f(xi) =
En particular, si la distribucin de probabilidades es simtrica como en el
ejemplo anterior, el valor esperado coincide con el valor de la variable que
tiene la mayor probabilidad en la distribucin.

Una aplicacin del valor esperado puede ser la siguiente.

Ejemplo 4. 8. Un casino le permite a un jugador que lance un dado legal y


que reciba tantos pesos como puntos aparezcan en la cara superior del dado.
El jugador debe pagar una cantidad k de pesos cada vez que juegue. Calcular
cuanto debe valer k para que el jugador ni gane ni pierda.

Solucin.

Sea X la variable aleatoria que representa el resultado al lanzar un dado.


Su distribucin de probabilidad es la siguiente:

En este caso el valor esperado debe ser igual al valor k, con lo que se
espera que el jugador ni gane ni pierda. Aplicando la frmula del valor
esperado tenemos:

xi f(xi) = 1(1/6) + 2(1/6) + 3(1/6) + 4(1/6) +5(1/6) + 6(1/6) = 3.5

El jugador debe pagar 3.5 pesos cada vez que participa en un juego.
Si la cuota k fuera de 4 pesos por juego, la ganancia neta esperada del
casino es de 0.50 pesos por juego, ya que k - = 4.00 - 3.50 = 0.50 pesos. Como
lo que recibe el jugador en un solo juego no puede ser igual a 3.5 pesos (debe
ser un nmero entero entre 1 y 6), entonces la E(X) no necesariamente
coincide con el resultado de un solo juego.

El significado de E(X) = 3.5 pesos, es que si el juego se realiza un gran


nmero de veces, el cociente debe ser aproximadamente igual a 3.5 pesos.
Ejemplo 4. 9. Consideremos una lotera con mil nmeros. Cada nmero
cuesta 25 centavos y el premio es de 100 pesos. Calcular cunto se espera
ganar o perder cada vez que se participa en esta lotera.

Solucin.

Sea X la variable aleatoria utilidad que obtiene la persona que participa


en la lotera y los valores que puede tomar son:
Cuando gana = 99.75 pesos (100 que gana del premio, menos 0.25 del costo
del nmero).
Cuando pierde: 0.25 pesos (costo del nmero)
Por su parte, la probabilidad de ganar es 1/1000 y de perder 999/1000.
De acuerdo a los datos anteriores, la distribucin de probabilidad es:

Por lo tanto, el valor esperado es:

xi f(xi) = (99.75) (1/1000) + (-0.25) (999/1000) = -0.15

O sea que la persona que participe en la lotera espera perder 15 centavos


en cada juego.

Variancia.
Existen dos aspectos que caracterizan de forma simple el comportamiento de
la distribucin de probabilidad, porque proporcionan una descripcin
completa de la forma en que se comporta: la medida de tendencia central y
la de dispersin.

La primera est representada por la media o valor esperado, ya vista en el


punto anterior, y la segunda por la variancia o por la desviacin estndar,
que evalan la dispersin de la distribucin de probabilidad o grado en que
se separan del promedio los valores de la variable aleatoria X.

Por ejemplo, en un espacio muestral equiprobable vemos que los valores 5,


10 y 15 tienen una media de 10 y que los valores 9.9, 10 y 10.1 la media
tambin es 10. Sin embargo, advertimos que los dos conjuntos de valores
difieren notablemente en la dispersin de los valores respecto a su media y
que tal dispersin es de gran importancia. Por lo tanto, para tener un
conocimiento claro y completo del comportamiento de los valores que
puede tomar la variable aleatoria, es indispensable conocer tanto la media
como la variancia o la desviacin estndar de la distribucin de probabilidad.

Las desviaciones (X - ) toman valores: (x1 - ), (x2 - ), (x3 - ), ,(xi - ), con


probabilidades respectivas: f(x1), f(x2), f(x3), . . . , f(xi). Sin embargo, al tomar
el valor esperado de estas desviaciones nos encontramos con que:

E(X - ) = (xi - ) f(xi) = xi f(xi) - f(xi) = xi f(xi) - = - = 0

Esto se debe a que las desviaciones positivas se compensan con las


desviaciones negativas. Para determinar una medida de dispersin,
necesitamos considerar nicamente la magnitud de las desviaciones sin sus
signos.

Una manera de eliminar el signo de las desviaciones, es considerar el


cuadrado de las mismas, es decir, (xi - ) . 2

Si obtenemos el valor esperado de las desviaciones elevadas al cuadrado,


obtenemos una medida de la dispersin de la distribucin de probabilidad, la
cual es conocida como Variancia y se simboliza por Var (X) V(X).
2

La variancia de una variable aleatoria X se define como

A partir de sta ecuacin y mediante un pequeo desarrollo


matemtico, se obtiene la siguiente expresin:

2 = V(X) = xi f(xi) - 2
2

Si representamos a xi f(xi) por E( X2), podemos escribir:


2

2 = V(X) = Var (X) = E( X ) - E(X)2 = E( X ) -


2 2 2

Al usar la variancia como medida de dispersin o variabilidad se presenta una


dificultad. Las unidades con que se miden los valores que toma la variable
aleatoria X son lineales,
por ejemplo kilogramos, metros, litros, etc., por lo que = E(X) tambin ser
lineal, pero la variancia est en unidades cuadrticas, como kilogramos
2

elevados al cuadrado, metros elevados al cuadrado, litros elevados al


cuadrado, etc.

En vista de lo anterior, si queremos expresar la medida de dispersin en las


mismas unidades en que se miden los valores de la variable aleatoria X,
debemos tomar la raz cuadrada positiva de la variancia. A esta cantidad se le
conoce con el nombre de desviacin estndar y se representa con .

La desviacin estndar de una variable aleatoria X se define y simboliza como:

Ejemplo 4. 12. Consideremos la distribucin de probabilidad de las ventas semanales de


unidades de alta fidelidad de la marca A,:

Encontrar la variancia y la desviacin estndar.

Solucin.

Basndonos en la distribucin de probabilidad podemos construir la


tabla siguiente, en la cual obtenemos todos los valores que se necesitan para el
clculo.

Podemos observar que:

E(X) = xi f(xi) = 2.7 y que E(X2) = x2 f(x) = 9.3


por lo tanto, la variancia es:

y la desviacin estndar:

Ejemplo 4. 13. Sea la funcin de distribucin acumulada: F(X)=

Calcular:

a) La media
b) La variancia
La desviacin estndar

Solucin.

El primer paso para resolver el problema es obtener la distribucin de


probabilidad, ya que es indispensable para la solucin.

a) Para obtener la media o valor esperado vimos que se debe utilizamos la


expresin:

= E(X) = xi f(xi) = 1(0.25) + 3(0.25) + 5(0.25) + 7(0.25) = 4

b) El modelo matemtico para calcular la variancia seala que:

2 = V(X) = E( X2) - 2
Donde:
E( X2) = xi2 f(xi) = 12(0.25) + 32(0.25) + 52(0.25) + 72(0.25) = 21
y sustituyendo obtenemos:
2 = V(X) = E( X2) - 2 = 21 42 = 5

c) Por definicin, la desviacin estndar es la raz cuadrada de la variancia,


por lo que:
= = 2.3361

S-ar putea să vă placă și