1

Estadística Inferencial
Elementos básicos de estadística

Facultad de Ingeniería Industrial

UPB
2020

2
Características de la
Variables Aleatorias

3
 Referencias:
Recurso construido a partir de:
• Lind, D. (2015). Estadística aplicada a los negocios y a la economía. (16a. ed.) McGraw-Hill
Interamericana. Página 23. Tomado de http://www.ebooks7-24.com
• González J.J., Guerra N., Quintana M.P. y Santana A. Variables aleatorias y distribuciones de
probabilidad. 2005
INFOGRAFÍA:
• http://www2.ulpgc.es/hege/almacen/download/27/27373/temavariablesaleatorias.pdf
• https://www.matematicas10.net/2017/02/ejemplos-de-funcion-de-distribucion.html
• http://ocwus.us.es/estadistica-e-investigacion-operativa/estadistica/temas/apartado3.pdf

4 4
Agenda

VARIABLES ALEATORIAS CONTINUAS

• Esperanza Matemática
• Varianza de una Variable aleatoria

5 5
2
Introducción

De forma equivalente a lo que representa la media y la varianza en un

distribución de datos es posible definir conceptos similares en
distribuciones de probabilidades.

Estos conceptos se conocen como parámetros característicos de la

distribución de probabilidades de una variable aleatoria. En este caso

los parámetros miden características de la distribución de probabilidad

6
Agenda

VARIABLES ALEATORIAS CONTINUAS

• Esperanza Matemática
• Varianza de una Variable aleatoria

7 7
2
Esperanza Matemática
Se define la Esperanza Matemática, media o valor esperado de una
variable aleatoria 𝑋 como:

෍ 𝑥𝑖 𝑃 𝑋 = 𝑥𝑖 𝑠𝑖 𝑋 𝑒𝑠 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎
𝑥𝑖 ∈𝑟𝑔(𝑋)
𝜇 𝑥 =𝐸 𝑋 = ∞

න 𝑡𝑓 𝑡 𝑑𝑡 𝑠𝑖 𝑋 𝑒𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎
−∞

8
Propiedades de la esperanza
1) 𝐸[𝑐] = 𝑐, con c ∈ R
2) Linealidad de la esperanza:
3) 𝐸[𝑎𝑋 + 𝑏] = 𝑎𝐸[𝑋] + 𝑏 , 𝑐𝑜𝑛 𝑎, 𝑏 ∈ 𝑅.
4) Si 𝑋 es una VA y 𝑔 ∶ 𝑅 → 𝑅, una función real de variable real.

9
Propiedades (Cont….)
4) 𝐸[𝑐𝑔(𝑋)] = 𝑐𝐸[𝑔(𝑋)], con 𝑐 ∈ 𝑅

5) 𝐸 𝑐1𝑔1 𝑋 + 𝑐2𝑔2 𝑋 =
𝑐1𝐸[𝑔1(𝑋)] + 𝑐2𝐸[𝑔2(𝑋)], con 𝑐𝑖 ∈ 𝑅, 𝑐 = 1, 2

6) Si 𝑔1(𝑥) ≤ 𝑔2(𝑥), ∀𝑥 ∈ 𝑅 entonces

𝐸[𝑔1(𝑋)] ≤ 𝐸[𝑔2(𝑋)].
10
Varianza y Desviación estandar
de una variable aleatoria 𝑋
Varianza:
2
𝜎 = 𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 − µ 2

Desviación Estándar:

𝜎 = 𝑉𝑎𝑟[𝑋] = 𝐸 (𝑋 − µ)2

11
Propiedades de la varianza
1. 𝑉𝑎𝑟 𝑋 ≥ 0
2. 𝑉𝑎𝑟 [𝑋] = 0. Se dice en este caso que 𝑋 es una
variable aleatoria degenerada.
3. 𝑉𝑎𝑟 𝑎 𝑋 + 𝑏 = 𝑎2 𝑉𝑎𝑟 (𝑋) , con a, b ∈ R.
4. 𝑉𝑎𝑟[𝑋] = 𝐸 𝑋 2 - 𝐸(𝑋) 2

12
Desviación típica
de una variable aleatoria 𝑿
Es una medida de dispersión es mas útil porque viene
expresada en las mismas unidades de medida que la variable
original.

𝜎= 𝑉𝑎𝑟 𝑋

13
Esperanza y Varianza

14
Varianza y desviación Estandar en VAC

2 2
𝜎 = 𝑉𝑎𝑟 𝑋 = න 𝑋 − 𝐸 𝑋 𝑓 𝑥 𝑑𝑥 =

𝜎 2 = 𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸𝑋 2

15
Ejemplo
La DawnTown Parking, Tampa reportó los siguientes datos de una
muestra de 250 clientes relacionados con el número de horas que se
estacionan y las cantidades que pagan.
Calcule la Esperanza y la desviación estándar
Numero de Horas Frecuencia Pago
1 20 USS 3.00
2 38 USS 6.00
3 53 USS 9.00
4 45 USS 12.00
5 40 USS 14.00
6 13 USS 16.00
7 5 USS 18.00
8 36 USS 20.00
250

16
Esperanza
Numero de Horas Probabilidad P*[horas]
Frecuencia Pago 𝑭𝒓𝒆𝒄
𝒙𝒊 𝑷=
𝟐𝟓𝟎 P*𝒙𝒊
1 20 USS 3.00 0.080 0.080
2 38 USS 6.00 0.152 0.304
3 53 USS 9.00 0.212 0.636
4 45 USS 12.00 0.180 0.720
5 40 USS 14.00 0.160 0.800
6 13 USS 16.00 0.052 0.312
7 5 USS 18.00 0.020 0.140
8 36 USS 20.00 0.144 1.152
250 4.144

17
• 𝐸 𝑋 = 4.14
Numero
Prob Prob*[horas]
de Horas Frecuencia Pago [Xi-Media] [Xi-Media]^2 [Xi-Media]^2*Pi
pi Xi*Pi
[xi]
1 20 USS 3.00 0.080 0.080 -3.144 9.885 0.791
2 38 USS 6.00 0.152 0.304 -2.144 4.597 0.699
3 53 USS 9.00 0.212 0.636 -1.144 1.309 0.277
4 45 USS 12.00 0.180 0.720 -0.144 0.021 0.004
5 40 USS 14.00 0.160 0.800 0.856 0.733 0.117
6 13 USS 16.00 0.052 0.312 1.856 3.445 0.179
7 5 USS 18.00 0.020 0.140 2.856 8.157 0.163
8 36 USS 20.00 0.144 1.152 3.856 14.869 2.141
250 4.144 4.371264

MEDIA= 4.144
VARIANZA= 4.371264
DESVIACIÓN 2.0907568
ESTANDAR=
18
Ejemplo
Sea X una variable aleatoria con fdp dada por
3
(4𝑥 − 𝑥 2 − 3) 𝑠𝑖 1 ≤ 𝑥 ≤ 3
𝑓 𝑥 = ൝4
0 𝑠𝑖 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Hallar la grafica de 𝑓
Hallar la esperanza de 𝑋
Hallar la varianza de X
Hallar la desviación estándar de X

19
 F(x)

x
1 2 3 4

20
Solución

∞ 3 3
•𝐸 𝑋 = ‫׬‬−∞ 𝑥𝑓 𝑥 𝑑𝑥=‫׬‬1 𝑥 4𝑥 − 𝑥 2 − 3 𝑑𝑥 = 2
4
2 ∞ 2 3 23
•𝐸 𝑋 = ‫׬‬−∞ 𝑥 𝑓 𝑥 𝑑𝑥=‫׬‬1 𝑥 4𝑥 − 𝑥 2 − 3 𝑑𝑥 = … . . 𝑟 terminar
4

• 𝜎 2 = 𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
=𝑟 − 2 2

•𝜎= 𝑉𝑎𝑟 𝑋 =terminar

21
 Recuerde:
• Visitar permanentemente el aula digital del curso.
• Revisa los documentos del aula digital para analizar otros ejemplos.
• Revisa las actividades pendientes y si están generan o no una tarea o
un taller

22 22