ESPERANZA MATEMTICA DE LAS LOTERAS

Las probabilidades de las loteras por si mismas son irrelevantes. Lo que realmente importa
es si el premio multiplicado por la probabilidad (en escala de 0 a 1) es mayor o menor que
el costo del billete. De hecho, ninguna loteria cumple esta logica (y es por eso que dicen
que las loterias son un impuesto del gobierno al desconocimiento de las matematicas).
Una definicin de Esperanza Matemtica
Una definicin fcil de entender de lo que aqu llamaremos Esperanza Matemtica es la
relacin entre el premio obtenido y probabilidad de acertar.
La definicin matemtica de Esperanza Matemtica o Valor Esperado es bastante ms
compleja, pero en el desarrollo de este Sistema se limita a Premio x Probabilidad.
Aqu, un valor para la esperanza matemtica de 1 indica juego justo, un menor que
uno indica desfavorable para el jugador y un mayor que uno es favorable para el
jugador ( en las definiciones formales el cero suele ser el juego justo, y los valores
negativos o positivos indican positivo o negativo para el jugador).

Si la esperanza matemtica es 1, el juego es justo. Por ejemplo, apostar 1 euro a

que una moneda sale cara o cruz, si el premio por acertar son 2 euros, y si se pierde,
0 euros. La esperanza del juego es 2 (1/2) = 1. Entonces, consecuentemente con la
teora de juegos, podra pagar el euro para jugar o para rechazar jugar, porque de
cualquier manera su expectativa total sera 0.
Si la esperanza matemtica es menor que 1, el juego es desfavorable para el
jugador. Un sorteo que pague 500 a 1 pero en el que la probabilidad de acertar sea
de 1 entre 1.000, la esperanza matemtica es 500 (1/1.000) = 0,5.
Si la esperanza matemtica es mayor que 1, el juego es favorable para el jugador,
todo un chollo para el jugador. Un ejemplo sera un juego en el que se paga 10 a 1
por acertar el nmero que va a salir en un dado, en donde hay una probabilidad de
acertar es de 1 entre 6. En este ejemplo el valor de la esperanza matemtica es 10
(1/6)=1,67 y por tanto en esas condiciones es juego beneficioso para el jugador.

La esperanza matemtica es un valor importante que conocer para cualquier tipo de premio,
en funcin de su dificultad, y para cada sorteo concreto.
En la Primitiva, la esperanza matemtica general o promedio es sencillamente 0,55 y
en Euromilloneses 0,5. Se corresponde a la cantidad que se devuelve en premios: el 55% o
el 50% del total apostado por los jugadores. Ese dinero siempre se devuelve, teniendo en
cuenta que con el tiempo los premios no entregados se acumulan en Botes.

En la Primitiva el reparto de premios funciona de modo que la cantidad jugada por todos
los jugadores (excepto el 45% que se queda la organizacin) se suma y reparte en diversas
categoras: una parte para los de ms aciertos, otra parte para premios menores, reintegros,
etc. Esto marca ciertamente diferencias entre la esperanza matemtica
(premios por probabilidad) de las diferentes categoras de premios. La
esperanza matemtica ms alta es la del Reintegro que es de 0,1 (10 %).

Estos clculos, que de por s son sencillos, se ven complicados por algunas reglas
relativamente recientes, como el premio fijo para los acertantes de 3 o los acertantes de
5 nunca pueden ganar ms que los de 6, pero son en cualquier caso calculables con
precisin.
En general, y para la Loto tradicional la norma a grandes rasgos es que la esperanza
matemtica es mayor que 1 cuando la cantidad de premios total (el bote ms el 55% de la
cantidad que todos los jugadores apuestan ese da) es mayor de lo que valen 13,9 millones
de apuestas (dado que la probabilidad de acertar es de 1 entre 13,9 millones) y esto ocurre
en muy muy muy raras ocasiones.
Pero imagenemos como hiptesis de trabajo que llega un da en el que se ha acumulado un
bote de 20 millones de euros y en el que por alguna circunstancia nadie juega a la Loto
excepto una persona. A 1 euro por apuesta, esto supondra pagar unos 14 millones de euros
para jugar a todas las combinaciones y embolsarse todos los premios: el bote ms
lgicamente la recuperacin del 55% de lo apostado y un 10% en reintegros (7,7 millones
de euros, correspondiente al resto de premios menores de 5, 4, reintegros, etc.) Resultado:
apostando 14 millones se recuperaran 27,7 millones de euros. Casi otros 14 millones de
beneficio. Buen negocio!
Un ejemplo real fue el sorteo de Bonoloto (Loto 6/49) del 18/11/1990. Un bote de 1.151
millones de pesetas se sum a una recaudacin de slo 374 millones. A 25 pesetas por
apuesta se hicieron en total unos 15 millones de apuestas. La probabilidad de acertar 6 era
de 1 entre 14 millones, como siempre (y en total se reparta el 55% de la recaudacin, como
siempre). El premio de 1.200 millones que recibi un nico acertante de 6 nmeros tena
como base una esperanza matemtica de 3,2 (frente a 1 que sera lo normal en un juego
justo o 0,55 en un da convencional sin bote). Es decir, si el juego hubiera sido justo
tanto para el jugador como para la banca, el premio debera haber sido de slo unos 350
millones. Pero el ganador se llev 1.200 millones porque haba un bote acumulado de
muchsimas semanas. La esperanza matemtica promedio de ese da, contando todos los
premios, era de 3,6. Ese da ciertamente era mejor jugar a la Loto que no jugar!
Casi siempre, cualquier juego real de apuestas tiene esperanza menor que 1: lo ms
probable es perder dinero. El motivo por el que se juega es que en caso de ganar, los
premios son de escndalo. Estamos dispuestos a perder una cantidad pequea de dinero casi

con seguridad a cambio de la posibilidad, por pequea que sea, de hacernos ricos de la
noche a la maana.

Propiedades de la esperanza matemtica

1. Esperanza de una funcin de una variable aleatoria
o Variable discreta

o Variable continua

2. Linealidad de la esperanza matemtica

o E(X + Y) = E(X) + E(Y)
o E(k X) = k E(X) para todo nmero real k.
o E(k) = k para todo nmero real k.

o E(a X + b) = a E(X) + b para todo par de nmeros reales a y b.

Esperanza del producto

o E(X Y) = E(X) E(Y) nicamente en el caso de que X e Y sean
variables aleatorias independientes.

EJEMPLOS
1.- Si una persona compra una papeleta en una rifa, en la que puede ganar de 5.000 un
segundo premio de 2000 con probabilidades de: 0.001 y 0.003. Cul sera el precio justo
a pagar por la papeleta?
E(x) = 5000 0.001 + 2000 0.003 = 11
2.- Un jugador lanza dos monedas. Gana 1 2 si aparecen una o dos caras. Por otra parte
pierde 5 si no aparece cara. Determinar la esperanza matemtica del juego y si ste es
favorable.
E = {(c,c);(c,x);(x,c);(x,x)}
p(+1) = 2/4
p(+2) = 1/4
p(5) = 1/4
E(x)= 1 2/4 + 2 1/4 - 5 1/4 = 1/4. Es desfavorable
3.- En una ciudad, la temperatura mxima durante el mes de junio est distribuida
normalmente con una media de 26 y una desviacin tpica de 4.
Calcular el nmero de das que se "espera", tengan temperatura mxima comprendida entre
22 y 28.
Como se trata de una distribucin Normal, tipificamos (estandarizamos) los valores 22 y
28:
z1= (22 26) / 4 = -1
z2 = (28 26) / 4 = 0, 5
Entonces la probabilidad de que en un da de junio la temperatura mxima est entre 22 y
28 es:
p( 22< x < 28) = p( -1 < z < 0,5 ) = 0, 5328
Y el nmero esperado (esperanza) de das es:
E(x) = n * p = 30 * 0, 5328 16 das
4.Ejemplo. Si X es el nmero de puntos obtenidos al lanzar un dado de seis caras,
encontremos el valor esperado de la variable aleatoria Y = X2 .

La funcin de probabilidad de X es f(x) = 1/6 si x{1,2,3,4,5,6}. La funcin de probabilidad

de Y = X2 es entonces f(y) = 1/6 si y{1,4,9,16,25,36}, as E(Y) = 1/6*1 + 1/6*4 + 1/6*9 +
1/6*16 + 1/6*25 + 1/6*36 = 12*P(X=1) + 22*P(X= 2) + 32*P(X= 3) + 42*P(X= 4) +
52*P(X= 5) + 62*P(X= 6) = X2*P(X=x)
Ejemplo. Supongamos ahora que X es una v.a. que tiene funcin de probabilidad f(x) = 1/6
si x{-2,-1,0,1,2,3}y Y = X 2 . La funcin de probabilidad de Y es f(y) = 2/6 si y{1, 4} y
f(y) = 1/6 si y{0, 9}. Entonces E(Y) = 2/6*1 + 2/6*4 + 1/6*0 + 1/6*9. Esta ecuacin puede
escribirse de la siguiente manera: E(Y) = 2/6*1 + 2/6*4 + 1/6*0 + 1/6*9 = 1*P(Y=1)
+4*P(Y=4) + 0*P(Y=0) + 9*P(Y=1) = 12*P(X=1 X=-1) + 22*P(X=2 X=-2) +
02*P(X=0) + 32*P(X=3) = X2*P(X=x)
A travs de estos ejemplos vemos que no es necesario calcular la funcin de probabilidad
de Y, slo tenemos que usar la funcin de probabilidad de X y los valores obtenidos al
aplicar la
funcin Y = g(X) = X2 . Esto es cierto an en el caso en que la funcin no es uno-uno.

TEOREMA DE BAYES
La interpretacin ms aceptada del teorema de Bayes, es que su estructura permite el
calculo de probabilidades despus de haber sido realizado un experimento
(probabilidades aposteriori), basndose en el conocimiento de la ocurrencia de ciertos
eventos que dependan del evento estudiado, o sea, se parte de probabilidades conocidas
antes de efectuar el experimento (probabilidades apriori), las cuales son afectadas por las
probabilidades propias del experimento (las que aparecen durante la ocurrencia del evento).

Continuando nuestro anlisis sobre el teorema de Bayes, la probabilidad condicional

de Ai dado B, para cualquier i, es:

Aplicando en el numerador la Regla de Multiplicacin P(AiB) = P(Ai) P(B|Ai) y en el

denominador el Teorema de Probabilidad Total P(B) = P(A1) P(B | A1) + P(A2) P(B | A2) + .
. . + P(An) P(B | An), obtenemos la ecuacin que representa al:

Teorema de Bayes

Ejemplo 3. 11. Referente al problema de la fbrica que produce dos tipos de reguladores A
y B visto anteriormente en la aparte corresponde al Teorema de Probabilidad Total, cabe
hacer el siguiente anlisis: si se selecciona un regulador al azar de la produccin de la
fbrica y se ve que funciona bien Cul es la probabilidad de que sea del tipo B?

Solucin
En este caso el estudio se restringe a los reguladores que funcionan bien, por
lo que ese evento acta como espacio muestral reducido, o sea como evento
condicin. Por lo tanto, el planteamiento de la pregunta es P(B | F).

Los datos que se tienen son :

P(A) = 0.75

P(F | A) = 0.95

P(B) = 0.25

P(F | B) = 0.98

De acuerdo al Teorema de Bayes:

Podemos observar que el denominador corresponde al resultado obtenido al aplicar el

Teorema de Probabilidad Total, lo cual debe ser as, ya que la probabilidad condicional
establece que

. De esta forma podemos ver que la Probabilidad

Total es el denominador de la frmula del Teorema de Bayes. Tambin podemos observar

que aplicando los conceptos de la Regla de Multiplicacin y del Teorema de Probabilidad
Total llegamos al planteamiento del teorema de Bayes, Veamos:

Ejemplo 3. 12. Una fbrica que produce material para la construccin tiene 3
mquinas, a las que se les denomina A, B y C. La mquina A produce tabique,
la B adoqun y la C losetas. La mquina A produce el 50% de la produccin total
de la fbrica, la B el 30% y la C el 20%. Los porcentajes de artculos
defectuosos producidos por las mquinas son, respectivamente, 3%, 4% y 5%.
Si se selecciona un artculo al azar y se observa que es defectuoso, encontrar
la probabilidad de que sea un tabique.

Solucin
Definamos el evento D como sea un artculo defectuoso. De acuerdo a esto tenemos que:

P(A) = 0.5

P(D | A) = 0.03

P(B) = 0.3

P(D | B) = 0.04

P(C) = 0.2

P(D | C) = 0.05

Si el artculo del que deseamos calcular la probabilidad es un tabique, significa

que es producido por la mquina A. Tambin observamos que en la solucin
solamente participan los artculos defectuosos, ya que se pone por condicin
esta caracterstica. Por lo tanto:

Ejemplo 3. 13. A un congreso asisten 100 personas, de las cuales 65 son

hombres y 35 son mujeres. Se sabe que el 10% de los hombres y el 6% de las
mujeres son especialistas en computacin. Si se selecciona al azar a un
especialista en computacin Cul es la probabilidad de que sea mujer?

Solucin
Definamos los eventos:

H: Sea un hombre
M: Sea una mujer
E:

La persona sea especialista en computacin

Tenemos que:

Por lo tanto: