Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Esperanza Matemática
4. ESPERANZA MATEMÁTICA
𝟒
𝒇(𝒙) = , 𝟎<𝒙<𝟏
𝝅(𝟏 + 𝒙𝟐 )
𝐸(𝑥) = ∑ 𝑥𝑓(𝑥)
∀𝑥
|−1−2| 3 3 2 1 1
𝑓(−1) = =7 𝐸(𝑥) = (−1) (7) + (0) (7) + (1) (7) + (3) (7)
7
2 3 1 3
𝑓(0) = 7 𝐸(𝑥) = − (7) + (7) + (7)
1
𝑓(1) = 7 𝐸(𝑥) = 1/7
1
𝑓(3) = 7
Solución
Solución
3𝑥 3𝑥 +∞ 3𝑥 𝑏 −𝑥
𝐸(𝑔(𝑥)) = 𝐸 (𝑒 4 ) = ∫ 𝑒 4 𝑓(𝑥)𝑑𝑥 = ∫ 𝑒 4 𝑒 −𝑥 𝑑𝑥 = lim ∫ 𝑒 4 𝑑𝑥
∀𝑥 0 𝑏→+∞ 0
−𝑥 𝑏 −𝑏
= lim −4 𝑒 4 ] = lim −4 [𝑒 4 − 1] = −4[0 − 1] = 4
𝑏→+∞ 0 𝑏→+∞
Solución
1 1 1
𝑟) 𝑟 𝑟 𝑟+1
𝑥 𝑟+1 𝑥 𝑟+2
𝐸(𝑥 = ∫ 𝑥 2(1 − 𝑥)𝑑𝑥 = 2 ∫(𝑥 − 𝑥 )𝑑𝑥 = 2 [ − ]
𝑟+1 𝑟+2 0
0 0
𝑟+2−𝑟−1 2
= 2[ ]=
(𝑟 + 1)(𝑟 + 2) (𝑟 + 1)(𝑟 + 2)
2 2
→ 𝐸[(2𝑥 + 1)2 ] = 𝐸[4𝑥 2 + 4𝑥 + 1] = 4𝐸(𝑥 2 ) + 4𝐸(𝑥) + 1 = 4 [ ]+ 4[ ]+1
3(4) 2(3)
2 4 3 9
= + + = =3
3 3 3 3
𝟐
𝒇(𝒙, 𝒚) = 𝟕 (𝒙 + 𝟐𝒚), 𝟎 < 𝒙 < 𝟏, 𝟏 < 𝒚 < 𝟐
𝒙
Obtener el valor esperado de 𝒈(𝒙, 𝒚) = 𝒚𝟑 .
1 2 1 𝑦=2 1
2 𝑥 2 2𝑥 2 −𝑥 2 2𝑥 2 −𝑥 2 2𝑥 −𝑥 2
= ∫ ∫ ( 3 + 2 ) 𝑑𝑦 𝑑𝑥 = ∫ [ 2 − ] 𝑑𝑥 = ∫ [( − )−( − 2𝑥)] 𝑑𝑥
7 𝑦 𝑦 7 2𝑦 𝑦 𝑦=1 7 8 2 2
0 1 0 0
1 1
2 3 2 1 𝑥2 2 1 1 5
= ∫ ( 𝑥 2 + 𝑥) 𝑑𝑥 = [ 𝑥 3 + ] = [( + ) − (0)] =
7 8 7 8 2 0 7 8 2 28
0
1
𝐸[(𝑥 + 𝑦 + 𝑧)] = ∑ ∑ ∑(𝑥 + 𝑦 + 𝑧)𝑓(𝑥, 𝑦, 𝑧) = ∑ ∑ ∑(𝑥 + 𝑦 + 𝑧) 𝑥𝑦𝑧
54
∀𝑥 ∀𝑦 ∀𝑧 ∀𝑥 ∀𝑦 ∀𝑧
1
= [(3)(1) + (4)(2) + (4)(2) + (5)(4) + (5)(3) + (6)(6) + (4)(2) + (5)(4)
54
+ (5)(4) + (6)(8) + (6)(6) + (7)(12)]
1 306 17
= [3 + 8 + 8 + 20 + 15 + 36 + 8 + 20 + 20 + 48 + 36 + 84] = =
54 54 3
3 7 7 3
𝐸(𝑥) = ∑ 𝑥𝑓(𝑥) = (3000) ( ) + (1500) ( ) + (0) ( ) + (−1500) ( )
20 20 20 20
∀𝑥
900 1050 450 1500
= + +0− = = 750
2 2 2 2
La ganancia esperada del Sr. Juan Pérez es $750
MOMENTOS
Por otro lado, el r-ésimo momento con respecto a la media de una variable
aleatoria x, denotada por 𝜇𝑟 , esta dado por
Observación:
∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2
𝑚2 = = 𝜎̂ 2 𝑒𝑠 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
𝑛
𝜎 = √0.079 = 0.28
𝑽(𝒂𝑿 + 𝒃) = 𝒂𝟐 𝑽(𝑿)
𝐸(𝑎𝑥 + 𝑏) = 𝑎𝐸(𝑥) + 𝑏 = 𝑎𝜇 + 𝑏
1) 𝑉(𝑎𝑥) = 𝑎2 𝑉(𝑥)
2) 𝑉(𝑏) = 0
3) 𝑉[ ∑ 𝑥𝑖 ] ≠ ∑ 𝑉(𝑥𝑖 )
TEOREMA DE CHEBYSHEV
𝜇 − 𝑘𝜎 𝜇 𝜇 + 𝑘𝜎
0 0
1
= 630 ∫(𝑥 5 − 4𝑥 6 + 6𝑥 7 − 4𝑥 8 + 𝑥 9 ) 𝑑𝑥
0
1
𝑥 6 4𝑥 7 3𝑥 8 4𝑥 9 𝑥10
= 630 [ − + − + ]
6 7 4 9 10 0
210 − 720 + 945 − 560 + 126 630 1
= 630 [ ]= =
2∗2∗3∗3∗5∗7 2∗2∗3∗3∗5∗7 2
1
𝐸(𝑥 2 ) = 630 ∫ 𝑥 6 (1 − 4𝑥 + 6𝑥 2 − 4𝑥 3 + 𝑥 4 ) 𝑑𝑥
0
1
3 1 12 − 11 1
𝜎 2 = 𝑉(𝑥) = 𝐸(𝑥 2 ) − [𝐸(𝑥)]2 = − = = → 𝜎 = 0.15
11 4 44 44
= ∫ 630𝑥 4 (1 − 4𝑥 + 6𝑥 2 − 4𝑥 3 + 𝑥 4 )𝑑𝑥
.2
.8
= 630 ∫(𝑥 4 − 4𝑥 5 + 6𝑥 6 − 4𝑥 7 + 𝑥 8 ) 𝑑𝑥
.2
.8
𝑥 5 2𝑥 6 6𝑥 7 1𝑥 8 𝑥 9
= 630 [ − + − + ] = 630[1.56(10−3 ) − 3.12(10−5 )]
5 3 7 2 9 .2
= 630[1.53(10−3 )] = 0.963
TEOREMA
𝑑 𝑟 𝑀𝑥(𝑡)
| = 𝜇𝑟´ → 𝑒𝑙 r-ésimo momento central
𝑑𝑡 𝑟 𝑡=0
= 𝐸(𝑥 𝑟 )
(𝑡𝑥)2 (𝑡𝑥)3 (𝑡𝑥)𝑟
Como 𝑒 𝑡𝑥 = 1 + 𝑡𝑥 + + + …+ +⋯
2! 3! 𝑟!
𝑡2 𝑡3 𝑡𝑟
= 𝐸(1) + 𝑡𝐸(𝑥) + 2! 𝐸(𝑥 2 ) + 3! 𝐸(𝑥 3 ) + ⋯ + 𝑟! 𝐸(𝑥 𝑟 ) + ⋯
Donde:
𝐸(1) = 𝜇0´
𝐸(𝑥) = 𝜇1´
𝐸(𝑥 2 ) = 𝜇2´
𝐸(𝑥 3 ) = 𝜇3´
𝐸(𝑥 𝑟 ) = 𝜇𝑟´
1) 𝑴𝒙+𝒂 (𝒕) = 𝐸[𝑒 𝑡(𝑥+𝑎) ] = 𝐸[𝑒 𝑡𝑥+𝑡𝑎 ] = 𝐸[𝑒 𝑎𝑡 𝑒 𝑡𝑥 ] = 𝑒 𝑎𝑡 𝐸(𝑒 𝑡𝑥 ) = 𝒆𝒂𝒕 𝑴𝒙 (𝒕)
𝑥+𝑎 𝑡 𝑎 𝑡 𝑎 𝑎 𝑡 𝒂
𝒕
3) 𝑴𝒙+𝒂 (𝒕) = 𝐸 [𝑒 𝑡( )
𝑏 ] = 𝐸 (𝑒 𝑏𝑥+𝑏𝑡 ) = 𝐸 [𝑒 𝑏𝑥 𝑒 𝑏𝑡 ] = 𝑒 𝑏𝑡 𝐸 [𝑒 (𝑏)𝑥 ] = 𝒆𝒃𝒕 𝑴𝒙 (𝒃)
𝒃
𝟏 𝟑
𝒇(𝒙) = ( ), 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑
𝟖 𝒙
Determinar la función generatriz de momentos y utilizarla para calcular
media y varianza.
Solución
3
𝑡𝑥 )
1 3 1 3 3 3 3
𝑀𝑥 (𝑡) = 𝐸(𝑒 = ∑ 𝑒 𝑓(𝑥) = ∑ 𝑒 𝑡𝑥 ( ) = [1 ( ) + 𝑒 𝑡 ( ) + 𝑒 2𝑡 ( ) + 𝑒 3𝑡 ( )]
𝑡𝑥
8 𝑥 8 0 1 2 3
∀𝑥 𝑥=0
1 3! 3! 3! 3! 1
= [ + 𝑒𝑡 + 𝑒 2𝑡 + 𝑒 3𝑡 ] = [1 + 3𝑒 𝑡 + 3𝑒 2𝑡 + 𝑒 3𝑡 ]
8 0! 3! 1! 2! 2! 1! 3! 0! 8
(1 + 𝑒 𝑡 )3
=
8
3 3
𝐸(𝑥 2 ) = 𝜇2´ = 𝑀𝑥´´ (0) = [(1 + 𝑒 𝑡 )2 𝑒 𝑡 + 𝑒 𝑡 2(1 + 𝑒 𝑡 )𝑒 𝑡 ]𝑡=0 = (4 + 4) = 3
8 8
2)
3 2 9 3
𝑉(𝑥) = 𝐸(𝑥 − [𝐸(𝑥)]2 = 3−( ) = 3− =
2 4 4
Observación:
𝜇1´ = 𝜇
𝜇3´ = 𝑠𝑒𝑠𝑔𝑜
𝜇4´ = 𝑐𝑢𝑟𝑡𝑜𝑠𝑖𝑠
EJERCICIOS
1
𝑓(𝑥) = , 𝑥 = −2, 2
2
2. Determinar 𝐸(𝑥) 𝑦 𝑉(𝑥) para una variable aleatoria de densidad
𝑥
𝑓(𝑥) = , 0<𝑥<2
2
2
4. Dada la función generatriz de momentos 𝑀𝑥 (𝑡) = 𝑒 3𝑡+8𝑡 de la variable
aleatoria X, determina la función generatriz de momentos de la variable
𝑥−3
aleatoria 𝑧 = y usarla para obtener 𝐸(𝑧) y 𝑉(𝑧).
4
´
𝜇𝑟,𝑠 = 𝐸[(𝑥 − 𝜇𝑥 )𝑟 (𝑦 − 𝜇𝑦 )𝑠 ] =
∫ ∫ (𝑥 − 𝜇𝑥 )𝑟 (𝑦 − 𝜇𝑦 )𝑠 𝑓(𝑥, 𝑦)𝑑𝑦𝑑𝑥 , 𝑠𝑖 𝑥, 𝑦 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎𝑠
∀𝑥 ∀𝑦
Nota*.
´
𝜇1,0 = 𝜇𝑥
´
𝜇0,1 = 𝜇𝑦
𝜇2,0 = 𝑉(𝑥)
𝜇0,2 = 𝑉(𝑦)
Observación:
Si X crece y Si X crece y
o viceversa
Y crece Y decrece
TEOREMA
Solución
1 1−𝑦 1 1−𝑦 1
𝑥2
𝐸(𝑥𝑦) = ∫ ∫ 𝑥𝑦2𝑑𝑥𝑑𝑦 = 2 ∫ 𝑦 | 𝑑𝑦 = ∫ 𝑦 [(1 − 𝑦)2 ]𝑑𝑦
2 0
0 0 0 0
1 1 1
2
𝑦2 2 3 𝑦4
2 3
= ∫ 𝑦(1 − 2𝑦 + 𝑦 )𝑑𝑦 = ∫(𝑦 − 2𝑦 + 𝑦 )𝑑𝑦 = − 𝑦 + ⌋
2 3 4 0
0 0
1 2 1 6−8+3 1
= − + = =
2 3 4 12 12
1 1−𝑦 1 1 1
1−𝑦 −(1 − 𝑦)3 1
𝐸(𝑥) = ∫ ∫ 𝑥2𝑑𝑥𝑑𝑦 = ∫𝑥 2 |0 𝑑𝑦 = ∫ [(1 − 𝑦) 2 ]𝑑𝑦
= ⌋ =
3 0
3
0 0 0 0
1 1 1 1 1 3−4 1
𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐶𝑜𝑣(𝑥, 𝑦) = 𝐸(𝑥𝑦) − 𝐸(𝑥)𝐸(𝑦) = − ∗ = − = =−
12 3 3 12 9 36 36
𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑚𝑜𝑠 𝑞𝑢𝑒 𝐶𝑜𝑣(𝑥, 𝑦) < 0
entonces
De donde, si las variables aleatorias X1, X2,…, Xn, son independientes, se tiene
que
𝑛
PROPIEDADES DE LA VARIANZA
Del teorema que establece que 𝑉(𝑎𝑥 + 𝑏) = 𝑎2 𝑉(𝑥) se desprenden como colorarios
las siguientes propiedades:
Solución
𝑥 → 𝜇𝑥 = 2, 𝜎𝑥2 = 1
𝑦 → 𝜇𝑦 = −3, 𝜎𝑦2 = 5
𝑧 → 𝜇𝑧 = 4, 𝜎𝑧2 = 2
𝑐𝑜𝑣(𝑥, 𝑦) = −2
𝑐𝑜𝑣(𝑥, 𝑧) = −1
𝑐𝑜𝑣(𝑦, 𝑧) = 1
ESPERANZAS CONDICIONALES
Solución
1 1
𝐸 (𝑥|𝑦 = 2) = ∫ 𝑥 𝑓 (𝑥|𝑦 = 2) 𝑑𝑥
∀𝑥
1
Sin embargo, notamos que se requiere la densidad condicional de x dado y= 2 y no
se tiene, pero se sabe que
𝑓(𝑥, 𝑦)
𝑓(𝑥|𝑦) =
𝑓(𝑦)
2
𝑓(𝑥, 𝑦) 3 (𝑥 + 2𝑦) 2(𝑥 + 2𝑦)
𝑓(𝑥|𝑦) = = =
𝑓(𝑦) 1 1 + 4𝑦
(1 + 4𝑦)
3
1
A partir de la condicional general, evaluamos en y=2 para obtener la densidad
1
condicional de x dado y=2
1
2 (𝑥 + 2 (2))
1 2(𝑥 + 1) 2
𝑓 (𝑥|𝑦 = ) = = = (𝑥 + 1)
2 1 1+2 3
(1 + 4 (2))
1 1 2 7 25 13
σ2(x|y) = E (x 2 |y = 2) − [E (x|y = 2)] = − = = 0.08
18 81 162
EJERCICIOS
Determinar 𝐶𝑜𝑣(𝑥, 𝑧)
a) 𝑢 = 2𝑥 − 3𝑦 + 4𝑧
b) 𝑣 = 𝑥 + 2𝑦 − 𝑧
1
𝑓(𝑥, 𝑦) = 4 (2𝑥 + 𝑦), 0 < 𝑥 < 1, 0<𝑦<2
1
Determinar la media y la varianza condicionales de 𝑦 dado 𝑥 = 4.