Documentos de Académico
Documentos de Profesional
Documentos de Cultura
mosanac
2º Grado en Matemáticas
Facultad de Matemáticas
Universidad de Sevilla
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
En este tema se incluirán una serie de características numéricas asociadas a una variable
aleatoria y que dependen, fundamentalmente, de la función de probabilidad de dichas
variables.
ESPERANZA MATEMÁTICA.
Sea 𝑋 una variable aleatoria real discreta con función de probabilidad,
𝑝𝑘 = 𝑃[𝑋 = 𝑥𝑘 ], ∀𝑘 ∈ 𝐾
𝐸[𝑋] = ∑ 𝑥𝑘 𝑝𝑘
𝑘∈𝐾
Sea 𝑋 una variable aleatoria real absolutamente continua con función de densidad 𝑓, si
la integral
+∞
∫ |𝑥|𝑓(𝑥)𝑑𝑥
−∞
𝐸[𝑋] = ∫ 𝑥𝑓(𝑥)𝑑𝑥
−∞
Propiedades.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-3715575
1 𝜔∈𝐴
𝑋(𝜔) = {
0 𝜔∉𝐴
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
𝐸[𝑋] = 𝑏.
𝐸[𝑋] = 𝑏 · 𝑃[𝑋 = 𝑏] = 𝑏 · 1 = 𝑏
Si 𝑋 es una v. a. discreta:
Caso discreto:
>0 ≥0
𝐸[𝑋] = ∑ 𝑥𝑛 · 𝑃[𝑋 = 𝑥𝑛 ] = ∑ ⏞𝑛 · ⏞
𝑥 𝑃[𝑋 = 𝑥𝑛 ] + ∑ 𝑥𝑛 · 𝑃[𝑋 = 𝑥𝑛 ] ≥ 0
𝑥𝑛 {𝑥𝑛 ; 𝑥𝑛 >0} ⏟
{𝑥𝑛 ; 𝑥𝑛 <0}
=0
Caso continuo:
Caso discreto:
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
𝑥𝑛 {𝑥𝑛 ; 𝑎≤𝑥𝑛 ≤𝑏} ⏟𝑛 ; 𝑎≤𝑥𝑛≤𝑏}
{𝑥
=1
Luego 𝑎 ≤ 𝐸[𝑋] ≤ 𝑏
Caso continuo:
+∞ 𝑏 𝑏
Luego 𝑎 ≤ 𝐸[𝑋] ≤ 𝑏
Proposición. Sea 𝑋 una variable aleatoria discreta, sea 𝑔 una función medible Borel real,
y sea 𝑌 = 𝑔(𝑋). Si existe 𝐸[𝑌], entonces
Demostración:
𝑗 𝑗 𝑗
𝐸[𝑌] = ∑ 𝑦𝑗 𝑃[𝐵𝑗 ] = ∑ 𝑦𝑗 𝑃 [⋃ 𝐴𝑛 ] = ∑ 𝑦𝑗 ∑ 𝑃[𝐴𝑛 ] = ∑ ∑ 𝑦𝑗 𝑃[𝐴𝑛 ]
𝑗 𝑗 𝑛 𝑗 𝑛 𝑗 𝑛
𝑗
= ∑ ∑ 𝑔(𝑥𝑛 )𝑃[𝐴𝑛 ] = ∑ ∑ 𝑔(𝑥𝑛 )𝑃[𝑋 = 𝑥𝑛 ]
𝑗 𝑛 𝑗 𝑛
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Proposición. Sea 𝑋 una variable aleatoria absolutamente continua con función de
densidad 𝑓, sea 𝑔 una función con derivada continua y estrictamente monótona. Sea la
variable aleatoria 𝑌 = 𝑔(𝑋), para la que existe 𝐸[𝑌], entonces
+∞
𝐸[𝑌] = ∫ 𝑔(𝑥)𝑓(𝑥)𝑑𝑥
−∞
Demostración:
𝜕 −1
𝑓𝑌 (𝑦) = 𝑓𝑋 (𝑔−1 (𝑦)) · | 𝑔 (𝑦)| ∀𝑦 ∈ ℝ
𝜕𝑦
Si 𝑔′ (𝑥) > 0 ∀𝑥 ∈ ℝ
Derivando:
𝑑
𝑓𝑌 (𝑦) = 𝑓𝑋 (𝑔−1 (𝑦)) · 𝑔(𝑦)
𝑑𝑦
Si 𝑔′ (𝑥) < 0 ∀𝑥 ∈ ℝ
{𝑥 ∈ ℝ ; g(x) ≤ y} = {x ∈ ℝ; x ≥ g −1 (y)}
𝐹𝑌 (𝑦) = 𝑃[𝑔(𝑋) ≤ 𝑦] = 𝑃[𝑋 ≥ 𝑔−1 (𝑦)] = 1 − 𝑃[𝑋 ≤ 𝑔−1 (𝑦)] = 1 − 𝐹𝑋 (𝑔−1 (𝑦))
Derivando:
𝑑 −1 𝑑
𝑓𝑌 (𝑦) = −𝑓𝑋 (𝑔−1 (𝑦)) · 𝑔 (𝑦) = 𝑓𝑋 (𝑔−1 (𝑦)) · | · 𝑔−1 (𝑦)|
𝑑𝑦 𝑑𝑦
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
−∞ −∞ −∞ =1
+∞
= ∫ 𝑔(𝑥)𝑓𝑋 (𝑥)𝑑𝑥
−∞
1. |𝐸[𝑋]| ≤ 𝐸[|𝑋|]
Caso discreto:
Caso discreto:
Caso continuo:
−∞ −∞ −∞
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-3715575
4. 𝐸[𝑋 − 𝐸[𝑋]] = 0
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
⇒ 𝑃[𝑋 − 𝑌 ≥ 0] = 1 ⇒ 𝐸[𝑋 − 𝑌] ≥ 0 ⇒ 𝐸[𝑋 − 𝑌] = 𝐸[𝑋] − 𝐸[𝑌] ≥ 0 ⇒ 𝐸[𝑋] ≥ 𝐸[𝑌]
Proposición. Dada una variable aleatoria real 𝑋, para la que existe 𝐸[𝑋 2 ], se verifica
1. 𝑉𝑎𝑟(𝑋) ≥ 0
2
𝑉𝑎𝑟(𝑋) = 𝐸 [(𝑋
⏟ − 𝐸(𝑋)) ] ≥ 0 por ser la esperanza de una v. a. no negativa.
≥0
2
⇒ 𝐸((𝑋 − 𝑎)2 ) = 𝐸 [(𝑋 − 𝐸(𝑋)) ] = 𝑉𝑎𝑟(𝑋) = 0
2
𝑉𝑎𝑟(𝑋) = 𝐸 [(𝑋 − 𝐸(𝑋)) ] = 0 2
⇒ 2 } ⇒
⏟ 𝑃 ((𝑋 − 𝐸(𝑋)) = 0) = 1
𝑃 ((𝑋 − 𝐸(𝑋)) ≥ 0) = 1 𝑑𝑒𝑑𝑢𝑐𝑖𝑚𝑜𝑠
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
⇒ 𝑃(𝑋 = 𝐸(𝑋)) = 1
Nota: 𝑎 = 𝐸(𝑋)
2 2 2
= 𝐸 [(aX − 𝑎𝐸(X)) ] = 𝐸 [𝑎2 (X − 𝐸(X)) ] = 𝑎2 𝐸 [(X − 𝐸(X)) ] = 𝑎2 𝑉𝑎𝑟(𝑋)
Dada una variable aleatoria real 𝑋, para la que existe la varianza, se define la desviación
típica de la variable aleatoria 𝑋 como la raíz cuadrada postiva de la varianza:
𝜎 = +√𝑉𝑎𝑟(𝑋)
𝐸[(𝑋 − 𝐸[𝑋])3 ]
𝛾1 =
𝜎3
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
• Si 𝛾1 > 0, la distribución de probabilidad es sesgada a la derecha.
Dada una variable aleatoria real 𝑋, para la que existe 𝐸[𝑋 4 ], su coeficiente de curtosis
viene dado por
𝐸[(𝑋 − 𝐸[𝑋])4 ]
𝛾2 = −3
𝜎2
𝑚𝑟 = 𝐸[𝑋 𝑟 ], 𝑟 ∈ ℕ
𝜇𝑟 = 𝐸[(𝑋 − 𝐸[𝑋])𝑟 ], 𝑟 ∈ ℕ
Proposición. Si 𝑋 es una variable aleatoria real que verifica 𝐸[|𝑋|𝜆 ] < ∞ con 𝜆 > 0 ,
entonces 𝐸[|𝑋|𝛿 ] < ∞, ∀𝛿, 0 < 𝛿 ≤ 𝜆.
Demostración:
|𝑥|≤1
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
𝛿≤𝜆
∑|𝑥|𝛿 𝑃(𝑋 = 𝑥) = ⏞
∑ |𝑥|𝛿 𝑃(𝑋 = 𝑥) + ∑ |𝑥|𝛿 𝑃(𝑋 = 𝑥) ≤
𝑥 𝑥 ; |𝑥| ≤1 𝑥 ; |𝑥|>1
Proposición. Dada una variable aleatoria real 𝑋 y 𝑛 ∈ ℕ, entonces existen los 𝑛 primeros
moemntos con respecto al origen 𝑚1 , … , 𝑚𝑛 si y sólo si existen los 𝑛 primeros momentos
centrales 𝜇1 , … , 𝜇𝑚 .
DESIGUALDADES.
Teorema. Desigualdad básica. Sea 𝑋 una varible aleatoria real, sea 𝑔 una función medible
Borel real, no negativa 𝑔: ℝ → ℝ+ ∪ {0}, para la que existe 𝐸[𝑔(𝑋)], entonces ∀𝜀 ≥ 0, se
verifica
𝐸[𝑔(𝑋)]
𝑃[𝑔(𝑋) ≥ 𝜀] ≤
𝜀
Demostración:
Si 𝑋 es v. a. r. discreta
𝐸(𝑔(𝑋))
𝐸(𝑔(𝑋)) ≥ 𝜀 · 𝑃(𝑔(𝑥) ≥ 𝜀) ⇒ ≥ 𝑃(𝑔(𝑥) ≥ 𝜀)
𝜀
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-3715575
Si 𝑋 es v. a. r. continua
𝐸(𝑔(𝑋))
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
⇒ 𝐸(𝑔(𝑋)) ≥ 𝜀 · 𝑃(𝑔(𝑥) ≥ 𝜀) ⇒ ≥ 𝑃(𝑔(𝑥) ≥ 𝜀)
𝜀
Corolario. Desigualdad de Markov. Sea 𝑋 una variable aleatoria real y sea la función
𝑔(𝑋) = |𝑋|𝑟 para la que existe su esperanza, entonces ∀𝜀 ≥ 0, se verifica
𝐸[|𝑋|𝑟 ]
𝑃[|𝑋| ≥ 𝜀] ≤
𝜀𝑟
Demostración:
𝐸(|𝑋|𝑟 )
𝑟
≥ 𝑃(|𝑋|𝑟 ≥ 𝜀 𝑟 ) = 𝑃(|𝑋| ≥ 𝜀)
𝜀
𝐸(|𝑋|𝑟 )
≥ 𝑃(|𝑋| ≥ 𝜀)
𝜀𝑟
Corolario. Desigualdad de Tchebycheff. Sea 𝑋 una variable aleatoria real, para la que
existe 𝐸[𝑋 2 ] y 𝑉𝑎𝑟(𝑋) > 0, entonces se verifica
𝑉𝑎𝑟(𝑋)
𝑃[|𝑋 − 𝐸[𝑋]| ≥ 𝜀] ≤
𝜀2
Demostración:
2 2]
𝐸[|𝑋 − 𝐸(𝑋)|2 ]
𝑃[|𝑋 − 𝐸(𝑋)| ≥ 𝜀] = 𝑃[|𝑋 − 𝐸(𝑋)| ≥ 𝜀 ≤
𝜀2
𝑉𝑎𝑟(𝑋)
𝑃[|𝑋 − 𝐸(𝑋)| ≥ 𝜀] ≤
𝜀2
𝑉𝑎𝑟(𝑋)
𝑃[|𝑋 − 𝐸(𝑋)| < 𝜀] ≥ 1 −
𝜀2
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
𝑉𝑎𝑟(𝑋)
𝑃[−𝜀 < 𝑋 − 𝐸(𝑋) < 𝜀] ≥ 1 −
𝜀2
𝑉𝑎𝑟(𝑋)
𝑃[−𝜀 + 𝐸(𝑋) < 𝑋 < 𝜀 + 𝐸(𝑋)] ≥ 1 −
𝜀2
OTRAS CARACTERÍSTICAS.
Sea 𝑋 una variable aleatoria real discreta con función de probabilidad
Sea X una variable aleatoria absolutamente continua con función de densidad 𝑓(𝑥). Se
denomina moda de 𝑋 a cualquier valor 𝑥𝑚 ∈ ℝ, que verifica 𝑓(𝑥𝑚 ) ≥ 𝑓(𝑥), ∀𝑥 ∈ ℝ. (El
valor de la variable aleatoria que hace máxima la función de densidad).
Dada una variable aleatoria real 𝑋, se define el cuantil de orden 𝑝 de dicha variable y se
representará por 𝑞𝑝 , como aquel valor 𝑥 de la variable aleatoria, que satisface
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Proposición. Dada la función generatriz de momentos de una variable aleatoria real 𝑋, el
momento respecto al origen de orden 𝑘 de la variable aleatoria 𝑋, viene dado por la 𝑘 −
é𝑠𝑖𝑚𝑎 derivada de la función generatriz de momentos en el origen
(𝑘)
𝐸[𝑋 𝑘 ] = 𝑀𝑋 (0)
Demostración:
Si |x| > x0 ⇒ |x|k < ce|tx| siendo 𝑐 una constante no negativa lo suficientemente grande.
En cualquier caso
𝐸[|𝑋|𝑘 ] < +∞
Y, por tanto
∃ 𝑚𝑋 = 𝐸[𝑋 𝑘 ]
• En el caso discreto
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
⋮
(𝑟) (𝑟)
𝑀𝑋 (𝑡) = ∑ 𝑥𝑘𝑟 𝑒 𝑡𝑥𝑘 · 𝑃(𝑋 = 𝑥𝑘 ) ⟶ 𝑀𝑋 (0) = ∑ 𝑥𝑘𝑟 · 𝑃(𝑋 = 𝑥𝑘 ) = 𝐸[𝑋 𝑟 ]
𝑘 𝑘
𝑀𝑥 (𝑡) = ∫ 𝑒 𝑡𝑥 𝑓(𝑥)𝑑𝑥
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-3715575