4.

1 Media de una variable aleatoria 113

Sin embargo, la media suele considerarse un valor “central” de la distribución sub-

yacente si se utiliza el valor esperado, como en la definición 4.1.

Ejemplo 4.1: Un inspector de calidad obtiene una muestra de un lote que contiene 7 componentes; el
lote contiene 4 componentes buenos y 3 defectuosos. El inspector toma una muestra de
3 componentes. Calcule el valor esperado del número de componentes buenos en esta
muestra.
Solución: Sea X el número de componentes buenos en la muestra. La distribución de probabilidad
de X es
4 3
x 3−x
f (x ) = 7 , x = 0 , 1, 2, 3.
3

Unos cálculos sencillos dan f (0) = 1/35, f (1) = 12/35, f (2) = 18/35 y f (3) = 4/35. Por
lo tanto,
1 12 18 4 12
μ = E(X ) = (0) + (1) + (2) + (3) = = 1.7.
35 35 35 35 7

De esta manera, si de un lote de 4 componentes buenos y 3 defectuosos, se seleccionara

al azar, una y otra vez, una muestra de tamaño 3, ésta contendría en promedio 1.7 com-
ponentes buenos.

Ejemplo 4.2: Cierto día un vendedor de una empresa de aparatos médicos tiene dos citas. Considera
que en la primera cita tiene 70 por ciento de probabilidades de cerrar una venta, por
la cual podría obtener una comisión de $1000. Por otro lado, cree que en la segunda cita
sólo tiene 40 por ciento de probabilidades de cerrar el trato, del cual obtendría $1500 de
comisión. ¿Cuál es su comisión esperada con base en dichas probabilidades? Suponga
que los resultados de las citas son independientes.
Solución: En primer lugar sabemos que el vendedor, en las dos citas, puede obtener 4 comisiones
totales: $0, $1000, $1500 y $2500. Necesitamos calcular sus probabilidades asociadas.
Mediante la independencia obtenemos

f ($0) = (1 − 0.7)(1 − 0.4) = 0.18, f ($2500) = (0.7)(0 .4) = 0.28,

f ($1000) = (0.7)(1 − 0.4) = 0.42, y f ($1500) = (1 − 0.7)(0 .4) = 0.12.

Por lo tanto, la comisión esperada para el vendedor es

E (X) =($0)(0.18) + ($1000)(0.42) + ($1500)(0.12) + ($2500)(0.28)

= $1300.

Los ejemplos 4.1 y 4.2 se diseñaron para que el lector comprenda mejor lo que
queremos decir con la frase valor esperado de una variable aleatoria. En ambos casos
las variables aleatorias son discretas. Seguimos con un ejemplo de variable aleatoria
continua, donde un ingeniero se interesa en la vida media de cierto tipo de dispositivo
electrónico. Ésta es una ilustración del problema tiempo que transcurre antes de que se
presente una falla que se enfrenta a menudo en la práctica. El valor esperado de la vida
del dispositivo es un parámetro importante para su evaluación.