Republica Bolivariana De Venezuela

Ministerio Del Poder Popular Para La Defensa

Universidad Nacional Experimental Politécnica
De la Fuerza Armada
Núcleo Portuguesa – Turèn

Equipo N # 02
Ronald Sánchez CI: 17599350
Darwin Rubio CI: 15799636
Jonathan Soto CI: 16861607
Bebys Osuna CI: 19171518

Ing. De Sistemas “A”

Esperanza matemática

Expresión del valor central o del valor esperado máximo de los posibles
resultados según determinada distribución de probabilidad.

En estadística la esperanza matemática (o simplemente esperanza) o valor

esperado de una variable aleatoria es la suma de la probabilidad de cada suceso
multiplicada por su valor. Por ejemplo, en un juego de azar el valor esperado es el
beneficio medio.

Para calcular la esperanza matemática se tienen dos casos: para una variable
aleatoria discreta, para una variable aleatoria continua.

Variable aleatoria discreta: si X es una variable discreta, solo puede tomar

ciertos valores en un intervalo.

Variable aleatoria continua: Si X es una variable continua, puede tomar

cualquier valor en un o intervalo.

Para una variable aleatoria discreta:

Con valores posibles y sus probabilidades representadas por la

función de masa p (xi) la esperanza se calcula con:

Para una variable aleatoria continua:

La esperanza se calcula mediante la integral de todos los valores y la función

de densidad :

La esperanza también se suele simbolizar con

Valor Esperado

El valor esperado es un concepto fundamental en el estudio de las

distribuciones de probabilidad. Desde hace muchos años este concepto ha sido
aplicado ampliamente en el negocio de seguros y en los últimos veinte años ha sido
aplicado por otros profesionales que casi siempre toman decisiones en condiciones de
incertidumbre.

Para obtener el valor esperado de una variable aleatoria discreta,

multiplicamos cada valor que ésta puede asumir por la probabilidad de ocurrencia de
ese valor y luego sumamos los productos. Es un promedio ponderado de los
resultados que se esperan en el futuro.

En el estudio de la probabilidad se usa frecuentemente el concepto de Valor

Esperado. Pese a ser una herramienta útil que nos puede ayudar a tomar ciertas
decisiones de forma racional también es un concepto que en ocasiones puede ser
peligrosamente malinterpretado. Veamos porqué.

Empecemos por con un ejemplo sencillo:

Tira un dado, si sacas un número par te pago 2€, si sacas un 1 o un 3 me pagas

3€ y si sacas un 5 ni pagas ni te pago.

¿Nos es favorable este juego? ¿Cómo podemos saberlo? Bien, en este caso el
Valor Esperado nos puede ayudar muy fácilmente. Técnicamente se define como la
suma de los productos de las probabilidades de los diferentes sucesos y sus
respectivos beneficios.

Veamos que significa en este caso:

Posibles sucesos: A = {2, 4,6}, B = {1,3}, C = (5)

Probabilidad de que pase cada suceso: P A = 1/2, P B =1/3, P C = 1/6
Valor de cada suceso: V A = +2, V B = -3, V C = 0

Valor Esperado para este juego: P A · V A + P B · V B + P C · V C = 1/2 · 2 + 1/3 · (-3)

+ 1/6 · 0 = 1 – 1 + 0 = 0

¿Qué significa esto? Pues muy sencillo, de media ganaremos 0€ en este juego. Es
decir, si hacemos muchísimas partidas y contamos cuanto dinero hemos ganado (o
perdido) al final seguramente será un valor muy próximo a 0€.
¿Y si modifican el juego y nos cobran 0,01€ por cada partida (que es francamente
poco)? Pues entonces tendríamos que añadir otro suceso que tiene probabilidad 1
(siempre pasa) y vale -0,01 así que el valor esperado para una partida será de ahora de
1 – 1 + 0 – 0,01 = -0,01 lo que significa que de media perderemos un céntimo por
cada partida que hagamos y por lo tanto si jugamos mucho perderemos mucho.

Eso no significa que no podamos hacer 10 partidas y ganar 20€ sino que a la larga
jugar a este juego es perjudicial para la salud de nuestro bolsillo.

Un ejemplo de aplicación de esta herramienta se puede ver en concursos como Allá

Tu donde cada jugada modifica el Valor Esperado por el jugador y la banca suele
ofrecer un poco menos de ese valor para tentarlo y que abandone.

.
Varianza:

En la distribución binomial:

Significa que tan dispersos están los datos.

Formula:

La media: µx =n*p la varianza: σx2 = n*p*q.

Desviación estandar: σ = √ σx2 q= 1-p

Ejemplo:

Se desea estimar la media, la varianza y la desviación estándar de las neveras que

fallen antes que venzan su garantía, un lote de 15 neveras.

Datos:

N=15 neveras

P= 0,1

Q= 0.9

La media: µx =n*p

µx= 15* 0,1= 1,5

la varianza: σx2 = n*p*q.

σx2= 15* 0,1* 0,9=1,35

Desviación estandar: σ = √ σx2 q= 1-p

√1,35 = 1,16

Distribución de Poisson:

La varianza es σx2
Bibliografía

http://www.bioestadistica.uma.es/libro/node61.htm