Varianza

Definimos en clase la Varianza como:

𝑉 (𝑋) = 𝐸 [𝑋 − 𝐸 (𝑋)]
Y hemos obtenido una fórmula de cálculo expandida:
𝑉 (𝑋) = 𝐸 (𝑋 2 ) − [𝐸 (𝑋)]2
Veamos ahora las Propiedades de la Varianza
1) La varianza de una constante es 0 (cero)
𝑉 (𝑘) = 0
2) Si se suma una constante la varianza no cambia
𝑉(𝑋 + 𝑘) = 𝑉(𝑋)
3) Si se multiplica una constante, ésta sale del operador
Varianza, multiplicada al cuadrado
𝑉(𝑘𝑋) = 𝑘 2 𝑉(𝑋)
4) Si dos variables son independientes, la varianza de la
suma es la suma de las varianzas
𝑋 𝑒 𝑌 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
⇒ 𝑉(𝑋 + 𝑌) = 𝑉 (𝑋) + 𝑉(𝑌)
5) Generalización para la suma de un número finito de
variables independientes:
𝑋1 , 𝑋2 , … 𝑋𝑛 , 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑛 𝑛

⇒ 𝑉 (∑ 𝑋𝑖 ) = ∑ 𝑉 (𝑋𝑖 )
𝑖=1 𝑖=1
Covarianza
Otro momento importante en las variables aleatorias es el momento
mixto llamado Covarianza cuando se tienen dos variables aleatorias
𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸 (𝑋 − 𝜇𝑋 )𝐸 (𝑌 − 𝜇𝑌 )
La Covarianza brinda una medida del grado de dependencia lineal
entre las variables X e Y. Para su cálculo se tiene la fórmula
expandida:
𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸 (𝑋𝑌) − 𝐸 (𝑋)𝐸 (𝑌)
Proposición:
𝑆𝑖 𝑋 𝑒 𝑌 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 ⟹ 𝐶𝑜𝑣(𝑋, 𝑌) = 0
Nota: La recíproca no es cierta
Teorema: Sean 𝑋 𝑒 𝑌 variables aleatorias con varianzas y
covarianza finitas. Entonces:
𝑉(𝑋 + 𝑌) = 𝑉 (𝑋) + 𝑉 (𝑌) + 2𝐶𝑜𝑣(𝑋, 𝑌)
𝑉(𝑋 − 𝑌) = 𝑉 (𝑋) + 𝑉 (𝑌) − 2𝐶𝑜𝑣(𝑋, 𝑌)