MOMENTOS DE VARIABLES ALEATORIAS

La función de densidad de una variable aleatoria continua o la función de masa de

probabilidad de una variable discreta, describen completamente el comportamiento de
la variable aleatoria. Sin embargo, asociado a cualquier variable aleatoria hay ciertas
cantidades que también la caracterizan. El conocimiento de los valores numéricos de estas
cantidades proporciona información rápida acerca de la naturaleza de las variables.

Los momentos de una variable aleatoria forman una colección de medidas descriptivas
(Valor esperado, Varianza y desviación estándar) que pueden emplearse para caracterizar
la distribución de probabilidad de la variable aleatoria. Todas los conceptos con respecto a
los momentos se encuentran sujetas a la existencia de las sumas o integrales que los
definen.
 VALOR ESPERADO DE UNA VARIABLE ALEATORIA
El Valor Esperado o esperanza de una variable aleatoria tiene sus orígenes en los juegos de
azar. En este sentido, el valor esperado representa la cantidad de dinero promedio que el
jugador está dispuesto a ganar o perder después de un número grande de apuestas.

Ejemplo:
Suponga que se tiene tres oportunidades para lanzar una moneda hasta que aparezca una
cara. El juego termina en el momento en el que cae una cara o después de los tres
intentos, lo que suceda primero. Si en el primero, segundo o tercer lanzamiento aparece
cara, el jugador recibe $2000, $4000 y $8000 pesos respectivamente. Si no cae cara en
ninguno de los lanzamientos el jugador pierde $20000.

Sea X la variable aleatoria que representa la cantidad que se gana o se pierde cada vez
que se juega. Los posibles valores de X junto con sus respectivas probabilidad se
encuentran en la siguiente tabla:
1
P ( X = 2000 ) =
X P(X) 2
1 1 1
2000 P(X = 2000) = P(C) = 1/2 P ( X = 4000 ) =  =
2 2 4
4000 P(X = 4000) = P(S∩C) = 1/4 1 1 1 1
P ( X = 8000 ) =   =
8000 P(X = 8000) = P(S∩S∩C) = 1/8 2 2 2 8
1 1 1 1
-20000 P(X = -20000) = P(S∩S∩S) = 1/8 P ( X = −20000 ) =   =
2 2 2 8
 VALOR ESPERADO DE UNA VARIABLE ALEATORIA

X P(X) El valor esperado o la cantidad promedio que

2000 P(X = 2000) = P(C) = 1/2
4000 P(X = 4000) = P(S∩C) = 1/4
8000 P(X = 8000) = P(S∩S∩C) = 1/8
-20000 P(X = -20000) = P(S∩S∩S) = 1/8
se ganaría en cada juego después de un
número muy grande de éstos, se determina
multiplicando cada cantidad que se gana o se
pierde por su respectiva probabilidad y
sumando los resultados.

De acuerdo a lo anterior la esperanza de ganar por juego es:

1 1 1 1
𝐸 𝑋 = 2000 + 4000 + 8000 + −20000
2 4 8 8
𝐸 𝑋 = 1000 + 1000 + 1000 − 2500 = 500

Así, el jugador esperará ganar luego de muchos juegos $500 pesos. Cabe notar que $500
pesos no es ninguno de los posibles valores de la variable aleatoria, así, es
completamente posible que una variable aleatoria nunca tome el valor de su esperanza.
 VALOR ESPERADO DE UNA VARIABLE ALEATORIA
El valor esperado de una variable aleatoria X es el valor medio de X, se define como
E(X) o 𝜇𝑥 y está dado por:

𝐸 𝑋 = 𝑥1 𝑃 𝑥1 + 𝑥2 𝑃 𝑥2 + ⋯ + 𝑥𝑛 𝑃 𝑥𝑛 Si X es discreta.
∞
𝐸 𝑋 = න 𝑥𝑓 𝑥 𝑑𝑥 Si X es continua.
−∞

Donde p(x) y f(x) son las funciones de masa de probabilidad y de densidad de

probabilidad, respectivamente.
 VALOR ESPERADO DE UNA VARIABLE ALEATORIA DISCRETA
Ejemplo:
Si la variable aleatoria X representa la suma de las caras de dos dados cuando éstos se lanzan,
encontrar el valor esperado de X. Teníamos que la función de masa de probabilidad de X está
dada por:

6− 7−𝑥
𝑃 𝑋=𝑥 =൞ , 𝑥 = 2,3,4,5,6,7,8,9,10,11,12
36
0, 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑒𝑖𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

X 2 3 4 5 6 7 8 9 10 11 12
P(X) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

𝐸 𝑋 = 𝑥1 𝑃 𝑥1 + 𝑥2 𝑃 𝑥2 + ⋯ + 𝑥𝑛 𝑃 𝑥𝑛 Si X es discreta.

1 2 2 1
𝐸 𝑋 =2 +3 + ⋯ + 11 + 12 ∗
36 36 36 36

𝐸 𝑋 =7

El valor esperado de la suma de las caras de dos dados cuando éstos se lanzan es de 7.
 VALOR ESPERADO (MEDIA O ESPERANZA MATEMÁTICA)

El valor esperado (Media o esperanza matemática) de una variable aleatoria X continua se

define como E(X) o 𝜇 y está dado por:
∞
𝜇 = 𝐸 𝑋 = න 𝑥𝑓 𝑥 𝑑𝑥
−∞

Ejemplo: Sea X una variable aleatoria que

representa la proporción de accidentes en el turno
de la mañana en una empresa.

3𝑥 2 , 0≤𝑥≤1
𝑓(𝑥) = ቊ
0, en cualquier otro caso

Encuentre el valor esperado de X.

 1
E (X) =  x f ( x)dx → E (X) =  x ( 3x 2 ) dx
− 0
1 1

𝐸(X) = න 3𝑥 3 𝑑𝑥 = 3 න 𝑥 3 𝑑𝑥
0 0 3
1 1 𝐸(X) = = 0.75
𝑥4 1404 4
𝐸(X) = 3 =3 −
4 0
4 4 0
 VARIANZA DE UNA VARIABLE ALEATORIA
El valor esperado de X (E(X)) describe dónde está centrada la distribución de probabilidad.

Aunque ambas
distribuciones ilustradas
tienen el mismo centro
E(X), la distribución de la
figura b tiene una mayor
dispersión o variabilidad
que la de la figura a.

Se utilizará la varianza de X (Var(X)) para evaluar la cantidad de variabilidad en (la distribución

de) X, del mismo modo que se utilizó 𝑆 2 para medir la variabilidad en una muestra. La varianza
de una variable aleatoria X, está definida como:
2
𝑉𝑎𝑟 𝑋 = 𝜎2 =𝐸 𝑋2 − 𝐸 𝑋
∞
𝐸 𝑋 2 = 𝑥12 𝑃 𝑥1 + 𝑥22 𝑃 𝑥2 + ⋯ + 𝑥𝑛2 𝑃 𝑥𝑛 𝐸 𝑋 2 = න 𝑥 2 𝑓 𝑥 𝑑𝑥
−∞
𝑆i 𝑋 es discreta si 𝑋 es continua
Sea X una variable aleatoria, se llama desviación estándar de X a la raíz cuadrada de la varianza
de X, es decir, 𝜎 = 𝑉𝑎𝑟(𝑋)
Tomado de: Devore, J. L. (2011). Probability and Statistics for Engineering and the Sciences. Cengage learning.
 VARIANZA

Ejemplo: Suponga que el número de Ejemplo: Sea X una variable aleatoria que
automóviles que pasa por un local de lavado de representa la proporción de accidentes en el
autos entre las 4:00 p.m. y las 5:00 p.m. de turno de la mañana en una empresa.
cualquier viernes tiene la siguiente función.
3𝑥 2 , 0≤𝑥≤1
𝑓(𝑥) = ቊ
X 4 5 6 7 8 9 0, en cualquier otro caso
P(X=x) 1/12 1/12 1/4 1/4 1/6 1/6 Encuentre la varianza de la variable X.

¿Cuál es la varianza para el número de E(X 2
) =  x f ( x ) dx
2

automóviles? −
2 1
𝑉 𝑋 = 𝐸 𝑋2 − 𝐸 𝑋
E(X ) =  x ( 3x ) dx E(X2) =
2 2 2 3
0
5
1 1 1
𝐸 𝑋2 = 42 ∗ + 52 ∗ + ⋯ + 92 ∗
12 12 6 3
293 𝐸(X) = = 0.75
𝐸 𝑋2 = 4
41 6
𝐸 𝑋 = 2
3 3 3
V (X ) = −  =
6
= 0.0375
293 41
2
77 5  4  80
𝑉 𝑋 = − = = 2.138888
6 6 36