Está en la página 1de 2

Valor esperado de una variable aleatoria discreta X o de una función g(X) de X.

Definición.-
Sea X una variable aleatoria discreta con distribución de probabilidad p(x).
Entonces el valor esperado o medio de x es:

  EX    xp( x)
todo x

Ejemplo1.
Sea el experimento de lanzar una moneda 3 veces y X la v. a. que representa el número
de caras con distribución de probabilidades,

x 0 1 2 3
p(x) 1/8 3/8 3/8 1/8
Calcular el valor esperado de la variable aleatoria X..

Solución
  EX    xp( x)
todo x
3
1  3  3 1 3
E  X    xp ( x)  0    1   2    3   
x 0 8 8 8 8 2
Ejemplo2.
Los registros de ventas diarias de una empresa fabricante de computadoras señalan que
se venderán 0,1 o 2 sistemas centrales de cómputo con las siguientes probabilidades:

Número de 0 1 2
computadoras
vendidas
Probabilidades 0.7 0.2 0.1
Calcular el valor esperado de las ventas

Solución

E(X) = 0(0.7)+1(0.2)+2(0.1)=0.4

Ejemplo3.
En una lotería organizada a beneficio de los bomberos de una ciudad, se venderán
10,000 boletos a $5 cada uno. El premio es un automóvil de $13,000. Si un individuo
compra dos boletos ¿cuál es su ganancia esperada?

Solución
X: ganancia

x -10 12990
p(x) 9998/10000 2/10000

 9998   2 
  E  X    10     12990     7.4
 10000   10000 
Definición.
Sea X variable aleatoria discreta con distribución de probabilidad p ( x ) y sea g ( x ) una
función de X. Entonces el valor esperado o medio de g ( x ) es
E  g ( x)    g ( x) p( x)
todo x

Definición.
Sea X una variable aleatoria discreta con distribución de probabilidad p ( x ) . Entonces la
varianza de X es
 2  E  X      E  X 2    2
2
 
La desviación estándar de X es la raíz cuadrada positiva de la varianza de X     2
Ejemplo.
Retomando los datos del ejemplo 2 Calcular la varianza y la desviación estándar de las
ventas diarias.

Número de 0 1 2
computadoras
vendidas
Probabilidades 0.7 0.2 0.1
Solución.
 2  E  X      E  X 2    2
2
 
Se sabe que la E(X) = 0.4 y
E(X²)=∑2𝑖=0 𝑥 2 𝑝(𝑥) = 0𝑝(0) + 1𝑝(1) + 2𝑝(2) = 1(0.2) + 2(0.1) = 0.4
Luego 𝜎 2 = 0.4 − 0.42 = 0.24 y σ =0.485