Documentos de Académico
Documentos de Profesional
Documentos de Cultura
02.6 - Varianza PDF
02.6 - Varianza PDF
com/processtext/
−∞
Vemos que la varianza es la esperanza de los cuadrados de las distancias entre los
valores de la variable y el valor medio de la distribución. Si los valores de X están
muy dispersos, los E(X)-X tenderán a ser más grandes, y la varianza tiende a ser
mayor. Observamos también que como las diferencias están al cuadrado, no
importa si son positivas (X a la derecha de la media) o negativas (X a la izquierda de
la media). O sea que todas "suman".
Operando con la fórmula de arriba se llega a otra fórmula para la varianza, que a
menudo resulta más práctica:
σ X 2 = E( X 2 ) − E( X ) 2
La varianza también presenta la siguiente propiedad:
σ 2 (aX + b) = a 2σ X 2 con a, b ∈ ℜ
Mas adelante en esta misma sección se demuestran las fórmulas y propiedades.
ABC Amber Text Converter Trial version, http://www.thebeatlesforever.com/processtext/
Comentarios
• La varianza es una medida de cuánto tienden los valores de una variable aleatoria a
alejarse de la media de la misma. Es decir que si la varianza es chica, la distribución
se encuentra concentrada alrededor de la media, y si es grande, se encuentra más
esparcida, más dispersa.
• Como la varianza se define a partir de la media, puede, al igual que esta, no existir.
Ejemplo
Volvamos al ejemplo 5 de la media:
0,2 x=3
0,3 x=4
PX ( x) = 0,3 x=5
0,2 x=6
0 ∀ otro x
Tenemos la distribución de X e Y, y calculamos sus medias:
0,2 x=2
0,3 x=3 +∞
E ( X ) = ∑ x PX ( x) = 3.0,2 + 4.0,3 + 5.0,3 + 6.0,2 = 4,5
PY ( y ) = 0,3 x=6 −∞
=7 +∞
Habíamos observado que las medias de X e Y son iguales, a pesar de que Y está
más dispersa que X:
Desvío estándar
Unidades
Si X es la longitud de los tornillos fabricados por una máquina, entonces las
unidades de X podrían ser, por ejemplo, cm.
A su vez, como la media o esperanza es el valor esperado de X, tiene la misma
forma que X (sea un valor posible realmente o no). Entonces las unidades de E(X)
deben ser las mismas que las de X, es decir, cm.
σ 2
= E( X 2 ) − E( X )2
La varianza se puede obtener, por ejemplo, X , donde se ve
2
claramente que las unidades de la varianza son cm .
Y como el desvío estándar se define como la raíz cuadrada de la varianza, entonces
sus unidades vuelven a ser las de X, es decir, cm.
Demostraciones
Comenzaremos por probar que:
∞
σ X = E(( X − E( X )) 2 ) = ∫ ( x − µ X ) 2 f X ( x) dx = E( X 2 ) − E( X ) 2
2
−∞
Partimos de:
σ X 2 = E(( X − E( X )) 2 )
Como dada una distribución, su esperanza es una constante, vamos a escribir, por
claridad, µ X en vez de E(X).
σ X 2 = E(( X − µ X ) 2 )
Notemos que (X - µ X)2 es una función de X. Luego su esperanza vale:
∞
σ X = ∫ ( x − µ X ) 2 f X ( x) dx
2
−∞
∫ (x 2 + µ X 2 − 2xµ X ) f X ( x) dx
−∞
∫x 2
f X ( x) dx + ∫ µ X f X ( x) dx − ∫ 2xµ X f X ( x) dx
2
−∞ −∞ −∞
∫x 2
f X ( x) dx + µ X 2
∫ f X ( x) dx − 2µ X ∫ x f X ( x) dx
−∞ −∞ −∞
El primer término es, por definición de esperanza de una función, E(X 2). En el
segundo término, la integral da uno. La integral del tercer término es por definición
la esperanza de X, es decir, µ X. Queda:
E( X 2 ) + µ X 2 − 2µ X 2
Con lo cual llegamos a la tercera fórmula dada:
σ X 2 = E( X 2 ) − E( X ) 2
Problemas típicos
ABC Amber Text Converter Trial version, http://www.thebeatlesforever.com/processtext/
Resolución:
+∞
E ( X ) = ∑ x PX ( x ) = ( −1). 0,4 + 1.0,1 + 2.0,3 + 3.0,2 = 0,9
−∞
+∞
E ( X 2 ) = ∑ x 2 PX ( x ) = ( −1) 2 .0,4 + 12 .0,1 + 2 2 .0,3 + 3 2 .0,2 = 3,5
−∞
σx = E ( X 2 ) − E ( X ) 2 = 2,69
2
σx = σx 2
=1,64
Resolución:
+∞ 1 3
E( X ) = ∫x f X ( x) dx = ∫ x x 2 dx + ∫ x dx = 1,583
1
3
−∞ 0 1
a)
+∞ 1 3
E( X ) = 2
∫x 2
fX ( x) dx = ∫ x 2 x 2 dx + ∫ x 2
1
3
dx = 3,089
−∞ 0 1
σx = E ( X ) − E ( X ) = 0,582
2 2 2
1 1 2
σ 2 ( aX + b) = a 2σx 2 => σ 2 x + 1 = σx 2 = 0,145
2 2
b)
Resolución:
Como la varianza es una medida de la tendencia de los valores de la variable a
alejarse de la media, eligiendo la máquina B las piezas fabricadas tenderán a ser de
longitudes más parecidas.