Probabilidad 3.

Prof. Marco Antonio Olivera Villa.

Unidad 2.

Actividad 1. Esperanza condicional.

Carrera: matemáticas.

Alumno: Juan Manuel Nava Rojas.

Matricula: ES1822028923.

1
Contesta las siguientes preguntas y comenta la participación de al menos dos
compañeros:

1.- Define la función de distribución condicional de una variable aleatoria 𝑋 dado un

evento 𝐵.
En el contenido nuclear de la unidad 2 de probabilidad 3 de la UNADM viene la
siguiente definición:
La función de distribución condicional de una variable aleatoria 𝑋, dado un evento
𝐵 es:
𝑝(𝑋 ≤ 𝑥, 𝐵)
𝐹𝑋 (𝑥|𝐵) = , 𝑥 ∈ 𝑅, 𝑝(𝐵) > 0
𝑝(𝐵)
Sustituyendo 𝐴 = {𝑋 ≤ 𝑥} en:
𝑝(𝐴 ∩ 𝐵)
𝑝(𝐴|𝐵) = , 𝑑𝑜𝑛𝑑𝑒 𝑝(𝐵) > 0
𝑝(𝐵)
Se llega a la función de distribución condicional donde 𝑥 es un número real y 𝑋 es
una variable aleatoria.
Si se deriva la función de distribución condicional se tiene:
𝑑
𝑓𝑋 (𝑥|𝐵) = [𝐹 (𝑥|𝐵)]
𝑑𝑥 𝑋
Esta función obtenida de la derivación se llama función de densidad condicional de
una variable aleatoria 𝑋 dado un evento 𝐵.

2.- Define la esperanza condicional de 𝑋 dado 𝐵.

En el contenido nuclear de la unidad 2 de probabilidad 3 de la UNADM viene la
siguiente definición:
Sea (Ω, 𝐹, 𝑝) un espacio de probabilidades donde 𝐵 ∈ 𝐹 y sea 𝑋 una variable
aleatoria definida en Ω; la esperanza condicional de 𝑋 dado 𝐵 es:
𝐸[𝑋𝐼𝐵 ]
𝐸[𝑋|𝐵] = , 𝑝(𝐵) > 0
𝑝(𝐵)
Donde 𝐼𝐵 es la función indicadora de 𝐵:
1 𝑠𝑖 𝜔 ∈ 𝑅
𝐼𝐵 (𝜔) = {
0 𝑠𝑖 𝜔 ∉ 𝑅

2
En el libro “Curso intermedio de probabilidad” de Luis Rincón viene la siguiente
definición:
Sea 𝑋 una variable aleatoria con esperanza finita, y sea 𝑔 una 𝑠𝑢𝑏 − 𝜎 − á𝑙𝑔𝑒𝑏𝑟𝑎
de 𝐹, la esperanza condicional de 𝑋 dado 𝑔, es una variable aleatoria denotada por
𝐸(𝑋|𝑔), que cumple con las siguientes tres propiedades:
a) Es 𝑔 − 𝑚𝑒𝑑𝑖𝑏𝑙𝑒.
b) Tiene esperanza finita.
c) Para cualquier evento 𝐺 en 𝑔

∫ 𝐸(𝑋|𝑔)𝑑𝑝 = ∫ 𝑋𝑑𝑝
𝐺 𝐺

3.- ¿Cómo es la esperanza condicional de 𝑋 dado 𝐵 cuando 𝑋 es una variable

aleatoria discreta?
En el contenido nuclear de la unidad 2 de probabilidad 3 de la UNADM viene la
siguiente definición:
Cuando 𝑋 es una variable aleatoria discreta que toma valores 𝑥1 , … . , 𝑥𝑛 ; se tiene:
𝑛 𝑛
𝑝({𝜔|𝑋(𝜔) = 𝑥𝑡 } ∩ 𝐵)
𝐸[𝑋|𝐵] = ∑ 𝑥𝑡 = ∑ 𝑥𝑡 𝑝(𝑋 = 𝑥𝑡 |𝐵)
𝑝(𝐵)
𝑡=1 𝑡=1

En el libro “Curso intermedio de probabilidad” de Luis Rincón viene la siguiente

definición:
Sea 𝑋 una variable aleatoria integrable, y sea 𝑌 discreta con valores 𝑦1 , 𝑦2 , …. La
función 𝐸(𝑋|𝑌): Ω → 𝑅 dada por:

𝜔 → 𝐸(𝑋|𝑌)(𝜔) = 𝐸(𝑋|𝑌 = 𝑦𝑗 ) 𝑠𝑖 𝑌(𝜔) = 𝑦𝑗

Es una variable aleatoria que cumple las siguientes tres propiedades:

a) Es 𝜎(𝑌) − 𝑚𝑒𝑑𝑖𝑏𝑙𝑒.
b) Tiene esperanza finita.
c) Para cualquier evento 𝐺 en 𝜎(𝑌).

∫ 𝐸(𝑋|𝑌)𝑑𝑝 = ∫ 𝑋𝑑𝑝
𝐺 𝐺

3
4.- ¿Cómo es la esperanza condicional de 𝑋 dado 𝐵 cuando 𝑋 es una variable
aleatoria continua?
En el contenido nuclear de la unidad 2 de probabilidad 3 de la UNADM viene la
siguiente definición:
Si 𝑋 es una variable aleatoria continua con función de densidad de probabilidades
𝑓𝑋 entonces el valor esperado será:
∞
1 1
𝐸[𝑋|𝐵] = ∫ 𝑥𝐼𝐵 (𝑥)𝑓𝑋 (𝑥)𝑑𝑥 = ∫ 𝑥𝑓 (𝑥)𝑑𝑥
𝑝(𝐵) −∞ 𝑝(𝐵) 𝐵 𝑋
Esta expresión se puede reescribir como las siguientes dos formas:
a) Como una integral de Riemann – Stieltjes:
∞
1
𝐸[𝑋|𝐵] = ∫ 𝑥𝑑𝐹𝑋 (𝑥)
𝑝(𝐵) −∞

b) Como la integral de Lebesgue de la función medible 𝑋 con respecto a la

medida de probabilidad 𝑝:

1
𝐸[𝑋|𝐵] = ∫ 𝑋𝑑𝑝
𝑝(𝐵) 𝐵

En el libro “Teoría de la probabilidad” de Valentín V. Petrov y Ernesto Mordecki viene

la siguiente definición:
Considerando un vector aleatorio (𝑋, 𝑌) con distribución absolutamente continua,
densidad 𝑝(𝑥, 𝑦), y tal que:
∞ ∞
∫ ∫ |𝑦|𝑝(𝑥, 𝑦)𝑑𝑥𝑑𝑦 < ∞
−∞ −∞

Dada:
∞
𝑝1 (𝑥) = ∫ 𝑝(𝑥, 𝑦)𝑑𝑦
−∞

La densidad de la variable aleatoria 𝑋, la densidad condicional de 𝑌 dada 𝑋 es:

𝑝(𝑥, 𝑦)
𝑟(𝑦|𝑥) =
𝑝1 (𝑥)
Definida para los 𝑥 reales que verifican 𝑝1 (𝑥) > 0.
La función 𝑔(𝑥) para los 𝑥 reales que verifican 𝑝1 (𝑥) > 0 mediante:

4
 ∞
𝑔(𝑥) = ∫ 𝑦𝑟(𝑦|𝑥)𝑑𝑦
−∞

Esto verifica:
𝐸1{𝑋∈𝐼} 𝑌 = 𝐸1{𝑋∈𝐼} 𝑔(𝑋)

Por lo que dado:

𝐼 = (𝑎, 𝑏]
Se tiene:
𝑏 ∞
𝐸1{𝑋∈𝐼} 𝑌 = ∫ (∫ 𝑦𝑟(𝑦|𝑥)𝑑𝑦) 𝑝1 (𝑥)𝑑𝑥
𝑎 −∞
𝑏
= ∫ 𝑔(𝑥)𝑝1 (𝑥)𝑑𝑥
𝑎

= 𝐸1{𝑋∈𝐼} 𝑔(𝑋)

Referencias

1.- Contenido nuclear de la unidad 2 de probabilidad 3 de la UNADM.

2.- Rincón L. (2007). “Curso intermedio de probabilidad” Departamento de
matemáticas, facultad de ciencias UNAM.
3.- Petrov V y Mordecki E. (2008). “Teoría de la probabilidad” Facultad de ciencias
DIRAC.