15/9/22, 21:27 Ejercicios de Refuerzo Esperanza Condicional y para E1

Ejercicios de Refuerzo Esperanza

Condicional
y para E1

Investigación de Operaciones II: Modelos Probabilísticos

Prof. Claudia Antonini
Asistente de cátedra: Fabián Vallebuona

Objetivos de esta semana:

Definir la esperanza condicional E[Y |A] de una variable aleatoria Y dado que se tiene evidencia de que un
evento A ha
ocurrido.

Definir la esperanza condicional E[Y |X] de una variable aleatoria Y dada otra variable aleatoria X. Comprender la
diferencia entre E[Y |X] y E[Y |X = x] .

Relacionar la ley de probabilidad total con la ley de esperanza

total.

Enunciar y aplicar la propiedad torre de la esperanza y la

varianza condicional.

Resumen de la teoría
Ley de la esperanza total
Sea A 1 , A 2 , ⋯ A n
una partición del espacio muestral S con P (A i ) > 0 ∀ i y sea
Y una variable aleatoria sobre
dicho
espacio muestral. Entonces,
n

E(Y ) = ∑ E(Y |A i )P (A i )

i=1

Nota: la ley de probabilidad total es un caso particular de la ley de

la esperanza total

 Propiedad torre de la esperanza condicional 

E(Y ) = E(E(Y |X))

 Propiedad torre de la varianza condicional 

V ar(Y ) = E(V ar(Y |X)) + V ar(E(Y |X))

Demostración de la propiedad torre de la esperanza

condicional
Haremos el caso en el que ambas variables aleatorias son discretas.
Los otros casos son muy similares considerando las
variantes del
caso:

file:///C:/Users/fabin/OneDrive/Documentos/Cursos/IO2/EsperanzaCondicionalE1_150922_FV.html 1/5
15/9/22, 21:27 Ejercicios de Refuerzo Esperanza Condicional y para E1

E(E(Y |X)) = ∑ E(Y |X = x)P (X = x)

x∈I m(X)

 recordando que E(Y |X = x) ≡ ∑ yP (Y = y|X = x)

y∈I m(Y )

= ∑ ∑ yP (Y = y|X = x)P (X = x)

x∈I m(X) y∈I m(Y )

= ∑ ∑ yP (X = x, Y = y) = E(Y )

x∈I m(X) y∈I m(Y )

Demostración de la propiedad torre de la varianza

condicional
Haremos el caso en el que ambas variables aleatorias son discretas.
Los otros casos son muy similares considerando las
variantes del
caso:

2 2
E[V ar(Y |X)] = E[E(Y |X) − E (Y |X)]

 por la linealidad de la esperanza 

2 2
= E[E(Y |X)] − E[E (Y |X)]

2
 por la propiedad torre aplicada a Y

2 2
= E(Y ) − E[E (Y |X)]

2 2
V ar[E(Y |X)] = E[E (Y |X)] − E [E(Y |X)]

 por la propiedad torre aplicada a Y

2 2
= E[E (Y |X)] − E (Y )

2 2
E[V ar(Y |X)] + V ar[E(Y |X)] = E(Y ) − E (Y ) ≡ V ar(Y )

CONDICIONALES Y DISCRETA Y CONTINUA

X DISCRETA P (X = x|Y = y)P (Y = y) P (X = x|Y = y)fY (y)

P (Y = y|X = x) = fY (y|X = x) =
P (X = x) P (X = x)

+∞
P (X = x) = ∑ P (X = x|Y = y)P (Y = y)
P (X = x) = ∫ P (X = x|Y = y)fY (y)dy
y
−∞

X CONTINUA fX (x|Y = y)P (Y = y) fX|Y (x|y)fY (y)

P (Y = y|X = x) = fY |X (y|x) =
fX (x) fX (x)

+∞
fX (x) = ∑ fX (x|Y = y)P (Y = y)
fX (x) = ∫ fX|Y (x|y)fY (y)dy
y
−∞

Ejercicios de refuerzo
1. Demuestre la propiedad torre de la esperanza condicional para el
caso en que ambas
variables aleatorias sean continuas

2. Demuestre la propiedad torre de la esperanza condicional en el caso

de que la variable
condición sea discreta y la otra continua

3. Demuestre la propiedad torre de la esperanza condicional en el caso

de que la variable
condición sea continua y la otra discreta

file:///C:/Users/fabin/OneDrive/Documentos/Cursos/IO2/EsperanzaCondicionalE1_150922_FV.html 2/5
15/9/22, 21:27 Ejercicios de Refuerzo Esperanza Condicional y para E1

4. El muy querido computador del profesor Renom se sabe tiene un tiempo

de funcionamiento
exponencial parámetro λ hasta que falle la primera vez.
Cuando eso pase, él
inmediatamente lo llevará a reparar. Con
probabilidad p , logrará que se lo
reparen con éxito.
Si se lo reparan con éxito, el computador estará como
nuevo otra vez y durará otro tiempo
exponencial parámetro λ independiente del tiempo que duró
la primera vez sin malograrse.
Este proceso se repite idénticamente
igual después de cada avería. Sin embargo, si
después de una avería, el
profesor Renom no logra que le reparen el computador con éxito,
comprará
inmediatamente un computador nuevo pues todos sabemos que no puede vivir
sin
su computadora. Encuentre el valor esperado y la varianza del tiempo
hasta que el profesor
Renom tenga que comprar un computador nuevo. Asuma
que los tiempos que el
computador pasa en diagnóstico y reparación así
como el tiempo para comprar un
computador son negligibles.

5. Una compañía aseguradora cubre los desastres naturales que ocurran

en las regiones
aledañas R1 y
R2 . Considere las siguientes
variables aleatorias:

1  si un desastre cubierto ocurre en la regi n Ri ∀i = 1, 2 ó

Ii = {
0  si no ocurre un desastre en la regi n i ó

Podemos asumir que

I1 y I2 son variables aleatorias
independientes. Definamos
p j = E(Ij ) para j = 1, 2 y p ij = E(I1 I2 ). La compañía
reembolsa un costo total de

C = I1 T1 + I2 T2

a estas regiones, donde Tj tiene media μj y varianza σj2 . Asuma que T1 y T2 son variables
aleatorias
independientes entre ellas y de I1 e I2 . Calcule la esperanza y la varianza
de C .

6. (Aplicación: Regresión Lineal Simple) La regresión

lineal simple usa una variable X
para
predecir una variable de respuesta Y y asume que la esperanza ineas de Y es lineal en X :

E(Y |X) = a + bX

a. Muestre que una manera similar de expresar esto es escribir:

Y = a + bX + ϵ

donde ϵ es una v.a., llamado error, con

E(ϵ|X) = 0

b. Encuentre las constantes a ,

b en términos de la E(X), E(Y ), Cov(X, Y ) y la V ar(X) .

7. Sea Z ∼ N or(0, 1) yY = Z
2

a. Encuentre E(Y |Z) y E(Z|Y )

file:///C:/Users/fabin/OneDrive/Documentos/Cursos/IO2/EsperanzaCondicionalE1_150922_FV.html 3/5
15/9/22, 21:27 Ejercicios de Refuerzo Esperanza Condicional y para E1

b. Encuentre V ar(Y |Z) y V ar(Z|Y )

8. (Aplicación: muestreo por conglomerados) Para

estudiar la prevalencia de una
enfermedad en varias ciudades de interés
en un estado determinado, se utiliza un tipo de
muestreo que se denomina
muestreo por conglomerado. Es decir, entre todas las ciudades
que
integran un país, se seleccionan algunas al azar, y en una segunda
etapa, se
seleccionan con un muestreo aleatorio simple los pacientes en
cada una de las ciudades
seleccionadas en la primera etapa. En este
caso, y para simplificar un poco el análisis,
vamos a suponer que de
todas las ciudades que integran el país, seleccionamos una sóla y
allí
realizamos el muestreo aleatorio simple. En todas las ciudades hay
personas que
padecen la enfermedad al igual que personas que no.
Supongamos que extraemos una
muestra de tamaño n de la ciudad
seleccionada. Se desea calcular el valor esperado y la
varianza del
número de personas seleccionadas que efectivamente padecen la
enfermedad.

a. Primero asuma que el muestreo se hace con reemplazamiento. ¿Qué

suposiciones se están
haciendo?

b. Asuma ahora que el muestreo se hace sin reemplezamiento. ¿Qué

suposiciones se están
haciendo?

9. (Aplicación: Teoría de colas) Pensemos en el

contexto de una cola M /M /1. Sólo
para
establecer la notación, digamos que los tiempos entre llegadas son
variables aleatorias
independientes e idénticamente distribuidas
exponenciales parámetro λ. De
la misma forma,
digamos que los tiempos de servicio también son
variables aleatorias independientes e
idénticamente distribuídas
parámetro μ . Se desea calcular la
probabilidad de que el tiempo
de espera de un cliente que recién ingresa
a la cola, no espere para ser atendido.

10. (Aplicación: Estimación de parámetros

poblacionales) Un especialista en estadística
desea estimar un
parámetro desconocido θ basado
en un conjunto de datos ha muestreado
de la población de interés. Dicho
experto, tiene a su disposición dos estimadores
^ ^
independientes Θ 1 y Θ2 conocidos como
estimadores que poseen propiedades adecuadas

para estimar dicho

parámetro Θ. Entre otra
propiedades deseables se sabe que
^ ^ ^
E(Θj ) = Θ para j = 1, 2 . Es decir, Θ 1 y Θ2 son estimadores
insesgados de Θ . Tomen

en
cuenta que un estimador es una función de los datos y que antes de
extraer la muestra
son variables aleatorias, por lo que tiene sentido
hablar de estimadores independientes y del
^
valor esperado de un
estimador. También considere que se conoce V ar(Θj
) = σ
2
j
para

j = 1, 2 .

a. Reflexione si intuitivamente es deseable que un estimador sea

insesgado para un
parámetro.

file:///C:/Users/fabin/OneDrive/Documentos/Cursos/IO2/EsperanzaCondicionalE1_150922_FV.html 4/5
15/9/22, 21:27 Ejercicios de Refuerzo Esperanza Condicional y para E1

^
b. Si se conoce que σ12 < σ
2
2
, ¿qué conclusión podríamos sacar sobre los
estimadores Θ1 y

^
Θ2 ?

^ ^ ^
c. Si definimos un tercer estimador Θ ≡ w1 Θ1 + w2 Θ2 para dos números reales positivos

tales
que w1 + w2 = 1, ¿Cómo deberíamos
escoger a w1 y a w2 tal que el nuevo
estimador Θ
^ sea mejor que ^ y ^ ?
Θ1 Θ2

file:///C:/Users/fabin/OneDrive/Documentos/Cursos/IO2/EsperanzaCondicionalE1_150922_FV.html 5/5