Esperanza Matemtica

UCR ECCI
CI-1352 Probabilidad y Estadstica
Prof. M.Sc. Kryscia Daviana Ramrez Benavides
Media de una Variable Aleatoria
Sea X una variable aleatoria con distribucin de probabilidad
f(x). La media o valor esperado de X es
Si X es discreta
= X = E ( X ) = xf (x )
x

Si X es continua
+
= X = E ( X ) = xf (x )dx

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 2
Media de una Variable Aleatoria (cont.)
Teorema. Sea X una variable aleatoria con distribucin de
probabilidad f(x). La media o valor esperado de la variable
aleatoria g(X) es
Si X es discreta
g ( X ) = E [g ( X )] = g (x ) f (x )
x
Si X es continua
g ( X ) = E [g ( X )] = g (x ) f (x )dx
+

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 3
Media de una Variable Aleatoria (cont.)
Sean X y Y variables aleatorias con distribucin de
probabilidad conjunta f(x,y). La media o valor esperado de la
variable aleatoria g(X,Y) es
Si X y Y son discretas
g ( X ,Y ) = E [g ( X , Y )] = g (x, y ) f (x, y )
y x
Si X y Y son continuas
g ( X ,Y ) = E [g ( X , Y )] =
+ +

g (x, y ) f (x, y )dxdy

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 4
Media de una Variable Aleatoria (cont.)
Sean X y Y variables aleatorias con distribucin de
probabilidad conjunta f(x,y). La media o valor esperado de la
variable aleatoria X es
Si X y Y son discretas
X = E ( X ) = xf (x, y ) = xg (x )
y x x

Si X y Y son continuas
+ + +
X = E(X ) = xf (x, y )dxdy = xg (x )dx

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 5
Media de una Variable Aleatoria (cont.)
Sean X y Y variables aleatorias con distribucin de
probabilidad conjunta f(x,y). La media o valor esperado de la
variable aleatoria Y es
Si X y Y son discretas
Y = E (Y ) = yf (x, y ) = yh( y )
y x y

Si X y Y son continuas
+ + +
Y = E (Y ) = yf (x, y )dxdy = yh( y )dy

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 6
Varianza y Covarianza
Sea X una variable aleatoria con distribucin de probabilidad
f(x) y la media . La varianza de X es
Si X es discreta
[ ]
2 = 2 = Var ( X ) = E ( X )2 = (x )2 f (x )
X
x

Si X es continua
2 2
X [
= = Var ( X ) = E ( X ) = 2
] +

( x ) f ( x )dx
2

La raz cuadrada positiva de la varianza, , se llama

desviacin estndar de X.

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 7
Varianza y Covarianza (cont.)
La cantidad x se llama desviacin estndar de una
observacin respecto a su media.
Cuando estas desviaciones se elevan al cuadrado y despus se
promedian, 2 ser mucho menor para un conjunto de valores
x que sean cercanos a , que para un conjunto de valores que
vare de forma considerable de .

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 8
Varianza y Covarianza (cont.)
Teorema. La varianza de una variable aleatoria X es
2 = 2X = Var ( X ) = E X 2 2 ( )
Prueba. Caso discreto (el caso continuo es igual, pero en vez
de sumatorias son integrales).
2 = 2 = Var ( X ) = ( x )2 f ( x )
X

2 = (x 2 2x + 2 ) f ( x )
x

2 = x 2 f ( x ) 2 xf ( x ) + 2 f (x )
x x x

= xf (x ) y f (x ) = 1
x x

2 = x 2 f (x ) 2 2 + 2 = x 2 f (x ) 2
x x
UCR-ECCI CI-1352 Probabilidad
Esperanza Matemtica 2
= E X 2
( )
y Estadstica
2
9
Varianza y Covarianza (cont.)
Teorema. Sea X una variable aleatoria con distribucin de
probabilidad f(x). La varianza de la variable aleatoria g(X) es
Si X es discreta
[ ]
2( ) = Var [g ( X )] = E (g ( X ) g ( X ) )2 = (g (x ) g ( X ) )2 f (x )
g X
x

Si X es continua
2
g(X )
[ 2
]
= Var [g ( X )] = E (g ( X ) g ( X ) ) =

+
(g (x ) ( ) ) f (x )dx
g X
2

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 10
 Varianza y Covarianza (cont.)
Sean X y Y variables aleatorias con distribucin de
probabilidad conjunta f(x,y). La covarianza de X y Y es
Si X y Y son discretas
XY = cov( X , Y ) = E [( X X )(Y Y )] = (x X )( y Y ) f (x, y )
y x

Si X y Y son continuas
XY = cov( X , Y ) = E [( X X )(Y Y )] =
+ +
(x )( y ) f (x, y )dxdy

X Y

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 11
Varianza y Covarianza (cont.)
La covarianza de dos variables aleatorias es una medida de la
naturaleza de la asociacin entre las dos.
La covarianza slo describe la relacin lineal entre dos
variables aleatorias.
Describe la naturaleza de la relacin.
Si la covarianza es positiva significa que X y Y son linealmente
ascendentes (valores grandes de X estarn relacionados con valores
grandes de Y, y valores pequeos de X estarn relacionados con valores
pequeos de Y).
Si la covarianza es negativa significa que X y Y son linealmente
descendentes (valores grandes de X estarn relacionados con valores
pequeos de Y, y viceversa).
UCR-ECCI CI-1352 Probabilidad y Estadstica
Esperanza Matemtica 12
Varianza y Covarianza (cont.)
Cuando X y Y son estadsticamente independientes la
covarianza es cero. Lo opuesto, sin embargo, por lo general no
es cierto. Dos variables pueden tener covarianza cero e incluso
as no ser estadsticamente independientes.
Una covarianza entre X y Y es cero, quiz indica que X y Y no
tiene una relacin lineal, pero no que sean independientes.

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 13
Varianza y Covarianza (cont.)
Teorema. La covarianza de dos variables aleatorias X y Y con
medias X y Y, respectivamente, est dada por
XY = cov( X , Y ) = E ( XY ) X Y
Prueba. Caso discreto (el caso continuo es igual, pero en vez
de sumatorias son integrales).
XY = cov( X , Y ) = (x X )( y Y ) f (x, y )
x y

XY = (xy X y Y x + X Y ) f (x, y )
x y

XY = xyf (x, y ) X yf (x, y ) Y xf (x, y ) + X Y f (x, y )

x y x y x y x y

X = xf (x, y ), Y = yf (x, y ) y f (x, y ) = 1

x y x y

XY = E ( XY ) X Y X Y + X Y
UCR-ECCI XY = E (Probabilidad
CI-1352 XY ) X Y y Estadstica
Esperanza Matemtica 14
Varianza y Covarianza (cont.)
Sean X y Y variables aleatorias con covarianza XY y
desviacin estndar X y Y, respectivamente. El coeficiente de
correlacin X y Y es
XY
XY =
XY
El coeficiente de correlacin satisface la desigualdad
-1 XY 1
El coeficiente de correlacin describe la fuerza de la relacin.

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 15
Medias y Varianzas de Combinaciones Lineales
de Variables Aleatorias
Teorema. Si a y b son constantes, entonces
E(aX b) = aE(X) b
Corolario. Al hacer a = 0, se ve que E(b) = b
Corolario. Al hacer b = 0, se ve que E(aX) = aE(X)
Prueba. Caso continuo (el caso discreto es igual, pero en vez
de integrales son sumatorias).
+
E (aX b ) = (ax b ) f (x )dx

+ +
E (aX b ) = a xf ( x )dx b f ( x )dx

+ +
E ( X ) = xf ( x )dx y f (x )dx = 1

Esperanza Matemtica (
E aX b = aE )
UCR-ECCI CI-1352 Probabilidad y Estadstica
(X ) b 16
Medias y Varianzas de Combinaciones Lineales
de Variables Aleatorias
Teorema. El valor esperado de la suma o diferencia de dos o
ms funciones de una variable aleatoria X, es la suma o
diferencia de los valores esperados de las funciones. Es decir,
E[g(X) h(X)] = E[g(X)] E[h(X)]
Prueba. Caso continuo (el caso discreto es igual, pero en vez
de integrales son sumatorias).
+
E ( g ( x ) h( x )) = (g (x ) h(x )) f (x )dx

+ +
E ( g ( x ) h( x )) = g ( x ) f ( x )dx h( x ) f ( x )dx

E ( g ( x ) h( x )) = E (g ( x )) E (h( x ))
UCR-ECCI CI-1352 Probabilidad y Estadstica
Esperanza Matemtica 17
Medias y Varianzas de Combinaciones Lineales
de Variables Aleatorias (cont.)
Teorema. El valor esperado de la suma o diferencia de dos o
ms funciones de las variables aleatorias X y Y, es la suma o
diferencia de los valores esperados de las funciones. Es decir,
E[g(X,Y) h(X,Y)] = E[g(X,Y)] E[h(X,Y)]
Corolario. Al hacer g(X,Y) = g(X) y h(X,Y) = h(Y), se ve que
E[g(X) h(Y)] = E[g(X)] E[h(Y)]
Corolario. Al hacer g(X,Y) = X y h(X,Y) = Y, se ve que
E(X Y) = E(X) E(Y)
+ +
E (g (x, y ) h(x, y )) = (g (x, y ) h(x, y )) f (x, y )dxdy

+ + + +
E (g (x, y ) h(x, y )) = g (x, y ) f (x, y )dxdy h(x, y ) f (x, y )dxdy

( ( ) ( )) ( (
UCR-ECCI CI-1352 Probabilidad y Estadstica
g x, y h x, y = E g x, y E
E Matemtica
Esperanza )) (h(x, y )) 18
Medias y Varianzas de Combinaciones Lineales
de Variables Aleatorias (cont.)
Teorema. Sean X y Y dos variables aleatorias independientes.
Entonces E(XY) = E(X)E(Y)
Prueba. Caso continuo (el caso discreto es igual, pero en vez
de integrales son sumatorias).
+ +
E ( XY ) = xyf (x, y )dxdy

f (x, y ) = g (x )h( y )
+ +
E ( XY ) = xyg (x )h( y )dxdy

+ +
E ( XY ) = xg (x )dx yh( y )dy

E ( XY ) = E ( X )E (Y )
UCR-ECCI CI-1352 Probabilidad y Estadstica
Esperanza Matemtica 19
Medias y Varianzas de Combinaciones Lineales
de Variables Aleatorias (cont.)
Teorema. Si a y b son constantes, entonces
2aX + b = a22X = a22
Corolario. Al hacer a = 1, se ve que 2X + b = 2X = 2
Corolario. Al hacer b = 0, se ve que 2aX = a22X = a22
Prueba.
2
aX + b [
= E (aX + b aX +b )
2
]
aX +b = E (aX + b ) = aE ( X ) + b = a X + b
aX
2
+b = E [(aX{+ b ) (a X + b )]2
} [
= E (aX + b a X b )2
]
aX = E [(aX a ) ] = a E [( X ) ] = a
2 2 2
2 2 2
+b X X X
UCR-ECCI CI-1352 Probabilidad y Estadstica
Esperanza Matemtica 20
 Medias y Varianzas de Combinaciones Lineales
de Variables Aleatorias (cont.)
Teorema. Si X y Y son variables aleatorias con distribucin de
probabilidad conjunta f(x,y), entonces
2aX + bY = a22X + b22Y + 2abXY
Teorema. Si X y Y son variables aleatorias con distribucin de
probabilidad conjunta f(x,y), entonces
2aX bY = a22X + b22Y 2abXY
Prueba.
aX
2
+ bY = E [(aX + bY aX + bY )2
]
aX +bY = E (aX + bY ) = aE ( X ) + bE (Y ) = a X + bY
aX + bY = E {[(aX + bY ) (a X + bY )] } = E [(aX + bY a X bY ) ]
2 2 2

aX + bY = E {[a ( X X ) + b(Y Y )] } = a E [( X X ) ]+ b E [(Y Y ) ]+ 2abE [( X X )(Y Y )]

2 2 2 2 2 2

UCR-ECCI CI-1352 Probabilidad y Estadstica

2
aX + bY = a 2 X2 +Matemtica
Esperanza b 2 Y2 + 2ab XY 21
Medias y Varianzas de Combinaciones Lineales
de Variables Aleatorias (cont.)
Corolario. Si X y Y son variables aleatorias independientes,
entonces 2aX + bY = a22X + b22Y
Corolario. Si X y Y son variables aleatorias independientes,
entonces 2aX bY = a22X + b22Y
Corolario. Si X1, X2, , Xn son variables aleatorias
independientes, entonces
2a1X1 + a2X2 + + anXn = a212X1 + a222X2 + + a2n2Xn

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 22
Teorema de Chebyshev
Si una V.A. tiene una varianza o desviacin estndar pequea,
se esperara que la mayora de los valores se agruparan
alrededor de la media.
Ver las figuras de las filminas 24 y 25.
El matemtico ruso P.L. Chebyshev descubri que la fraccin
del rea entre cualesquiera dos valores simtricos alrededor de
la media est relacionada con la desviacin estndar.
Como el rea bajo una curva de distribucin de probabilidad,
o en un histograma de probabilidad, suma 1, el rea entre
cualesquiera dos nmeros es la probabilidad de que la V.A.
tome un valor entre estos nmeros.
UCR-ECCI CI-1352 Probabilidad y Estadstica
Esperanza Matemtica 23
Teorema de Chebyshev (cont.)

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 24
Teorema de Chebyshev (cont.)

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 25
Teorema de Chebyshev (cont.)
La probabilidad de que cualquier variable aleatoria X tome un
valor dentro de k desviaciones estndar de la media es al
menos 1 1/k2. Es decir,
P( k < X < + k ) 1 2
1
k
Este teorema tiene validez para cualquier distribucin de
observaciones y, por esta razn, los resultados por lo general
son dbiles.

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 26
Teorema de Chebyshev (cont.)
El valor que el teorema proporciona es slo un lmite inferior;
es decir, la probabilidad de una variable aleatoria caiga dentro
de dos desviaciones estndar de la media no puede ser menor
a 1 1/k2.
Slo cuando se conoce la distribucin de probabilidad, se
puede determinar probabilidades exactas.
Por esta razn el teorema se conoce por el nombre de
distribucin libre.
El uso de este teorema se relega a situaciones donde se
desconoce la forma de la distribucin.

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 27
Referencias Bibliogrficas
Walpole, R.E.; Myers, R.H.; Myers, S.L. & Ye, K.
Probabilidad y estadstica para ingeniera y ciencias. Octava
Edicin. Pearson Prentice-Hall. Mxico, 2007.

UCR-ECCI CI-1352 Probabilidad y Estadstica

Esperanza Matemtica 28