Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 / 18
Valor esperado de variables discretas
Definición
Si X es discreta definimos
X
E (X ) = xi p(xi ),
i
sea finita.
2 / 18
Ejercicio
Ejercicio 1
3 / 18
Ejercicio
Ejercicio 2
4 / 18
Variables discretas y sus valores esperados
X E(X)
Bernoulli con parámetro p p
Binomial con parámetros n y p np
1
Geométrica con parámetro p
p
Poisson con parámetro λ λ
5 / 18
Valor esperado de variables continuas
Definición
Si X es continua con densidad f , entonces
Z ∞
E (X ) = xf (x) dx,
−∞
converja.
6 / 18
Ejercicio
Ejercicio 3
7 / 18
Variables continuas y sus valores esperados
X E(X)
Normal con parámetros µ y σ µ
α
Gamma con parámetros α y λ λ
8 / 18
Ley de los Grandes Números
Teorema
Sea
X1 , X2 , . . . , Xn
una secuencia de variables aleatorias independientes todas con
valor esperado µ y varianza σ 2 . La media de estas variables
variables Pn
Xi
X n = i=1 ,
n
se aproxima al valor esperado µ para valores grandes de n.
9 / 18
Gráficamente
10 / 18
Ejemplo de una variable sin esperanza
11 / 18
Gráficamente
12 / 18
Esperanza de funciones de variables aleatorias
Teorema
Sea Y = g (X ), donde X es una variable aleatoria continua con
función de densidad f , entonces
Z +∞
E (Y ) = g (x)f (x) dx
−∞
R +∞
si la integral −∞ |g (x)|f (x) dx converge.
13 / 18
Esperanza de funciones de varias variables aleatorias
Teorema
Si X1 , . . . , Xn son variables aleatorias continuas con función de
densidad conjunta f (x1 , . . . , xn ) e Y = g (X1 , . . . , Xn ), entonces
Z +∞ Z +∞
E (Y ) = ··· g (x1 , . . . , xn )f (x1 , . . . , xn ) dx1 . . . dxn
−∞ −∞
14 / 18
Ejercicio
Ejercicio 4
15 / 18
Variables independientes
Teorema
Si X e Y son variables independientes cuyas esperanzas existen,
entonces
E (XY ) = E (X )E (Y ).
Similarmente,
16 / 18
Esperanza de combinaciones lineales
Teorema
Sea X una variable aleatoria cuyo valor esperado existe, si
Y = aX + b,
entonces
E (Y ) = aE (X ) + b.
17 / 18
Ejercicio
Ejercicio 5
18 / 18