Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Correo electrónico:
jonathancano4538@correo.itm.edu.co
jonathancano@itm.edu.co
Contenido
• Valor esperado
Valor esperado
En el análisis de variables aleatorias discretas y continuas, detallamos y precisamos varios conceptos
relacionados con la función de distribución 𝐹𝑋 (𝑥) y la función de densidad 𝑓𝑋 (𝑥) para una variable aleatoria
real 𝑋. Se conoció que sus propiedades de tipo probabilístico están determinados por 𝐹𝑋 (∙). Sin embargo,
interesa conocer valores que den cuenta o resuman la información de las variables aleatorias. Algunos ejemplos:
• Promedio de llamadas que entran aun call center
El promedio y la variabilidad son dos medidas frecuentemente utilizadas para describir y resumir los resultados
de las variables aleatorias.
σ𝑛
𝑖=1 𝑥𝑖 𝑥1 +𝑥2 +⋯+𝑥𝑛
• El promedio aritmético será: 𝜇ො = 𝑥ҧ = = (suma de todos los datos, dividido el total de datos)
𝑛 𝑛
• Al retomar estas fórmulas de la estadística descriptiva podemos resumir los datos de la v.a ingreso
2
(−1000)2 +(0)2 +(1000)2
𝜎ො =
2
1000000 + 0 + 1000000
𝜎ො 2 =
2
2000000
𝜎ො 2 = = 1000000
2
• La desviación estándar es: 𝜎ො = 1000 Note que finalmente en la muestra la variabilidad era
de 1000 pesos (muy observable en los tres datos
tomados)
Nota: El promedio aritmético y la varianza muestral pueden llegar a ser estimadores de las variables aleatorias
discretas y continuas. Esto no siempre es así, por ello abordaremos los conceptos del valor esperado y varianza
Esperanza matemática
(Blanco, 2010)
Valor esperado
El valor esperado o esperanza matemática, es un
concepto que surgió en los juegos de azar. El
apostador de estos juegos así como como el caballero
de Meré, estaba inquieto en saber cuánto sería su
ganancia esperada y también la probabilidad de ganar
(posibilidad en el sentido no matemático). Suponga
que usted participa de un juego de azar, una rifa
donde el premio está valuado $1.500.000, este se lo
lleva la persona que acierte a todos los dígitos de un
número de 2 cifras. Note que si usted compra un
1 num1<-seq(from=00,to=09,by=01)
boleto la probabilidad de ganar es y la num1_cero<-paste0("0", num1)
100
esperanza matemática es 1500000Τ100 = $15.000. num2<-seq(from=10,to=99,by=01)
num2_cero<-paste0("", num2)
Esta cifra deberá entenderse en el sentido de un loteria<-matrix(c(num1_cero,num2_cero), nrow=10,ncol=10)
promedio. View(loteria)
Definición (valor esperado): Sea 𝑋 una variable aleatoria real definida sobre el especio de probabilidad
Ω, 𝔉, 𝑃
1. Si 𝑋 es una variable aleatoria discreta, con valores 𝑥1 , 𝑥2 , …, se dice que 𝑋 posee un valor esperado si:
∞
𝑥𝑘 𝑃 𝑋 = 𝑥𝑘 < ∞
𝑘=1
𝐸 𝑋 = 𝑥𝑘 𝑃 𝑋 = 𝑥𝑘 < ∞
𝑘=1
(Blanco, 2010)
Valor esperado
Definición (valor esperado): Sea 𝑋 una variable aleatoria real definida sobre el especio de probabilidad
Ω, 𝔉, 𝑃
2. Si 𝑋 es una variable aleatoria continua y con función de densidad 𝑓𝑋 𝑥 , se dice que 𝑋 posee un valor
esperado si:
∞
න 𝑥 𝑓𝑋 𝑥 𝑑𝑥 < ∞
−∞
Nota: Si 𝑋 es una v.a real que toma solo un número finito de valores, entonces 𝐸(𝑋) siempre existe.
(Blanco, 2010)
Valor esperado
Ejemplo 2 (lanzamiento de un dado una vez): Sea 𝑋 la variable aleatoria del lanzamiento de un dado honesto.
Calcule el valor esperado del lanzamiento del dado.
0 𝑠𝑖 𝑥≤0
1Τ6 𝑠𝑖 𝑥 = 1
1Τ6 𝑠𝑖 1 ≤ 𝑥 < 2
1Τ6 𝑠𝑖 𝑥 = 2
2Τ6 𝑠𝑖 2 ≤ 𝑥 < 3
1Τ6 𝑠𝑖 𝑥 = 3
𝐹𝑋 𝑥 = 3Τ6 𝑠𝑖 3 ≤ 𝑥 < 4
𝑓𝑋 𝑥 = 1Τ6 𝑠𝑖 𝑥 = 4
4Τ6 𝑠𝑖 4 ≤ 𝑥 < 5
1Τ6 𝑠𝑖 𝑥 = 5
5Τ6 𝑠𝑖 5 ≤ 𝑥 < 6
1Τ6 𝑠𝑖 𝑥 = 6
1 𝑠𝑖 𝑥 ≥ 6
0 𝑒. 𝑜. 𝑐
(Blanco, 2010)
Valor esperado
Ejemplo 2 (lanzamiento de un dado una vez): ahora hallemos el valor esperado de 𝑋. En este paso lo primero
es reconocer si la v.a es discreta o continua. El lanzamiento del dado es una v.a discreta. Entonces aplicamos lo
siguiente: ∞
𝐸 𝑋 = 𝑥𝑘 𝑃 𝑋 = 𝑥𝑘
𝑘=1
= 𝑥1 𝑃 𝑋 = 𝑥1 + 𝑥2 𝑃 𝑋 = 𝑥2 + 𝑥3 𝑃 𝑋 = 𝑥3 + 𝑥4 𝑃 𝑋 = 𝑥4 + 𝑥5 𝑃 𝑋 = 𝑥5 + 𝑥6 𝑃 𝑋 = 𝑥6
= 1𝑃 𝑋 = 1 + 2𝑃 𝑋 = 2 + 3𝑃 𝑋 = 3 + 4𝑃 𝑋 = 4 + 5𝑃 𝑋 = 5 + 6𝑃 𝑋 = 6
1 1 1 1 1 1
=1 +2 +3 +4 +5 +6
6 6 6 6 6 6
1
= (1 + 2 + 3 + 4 + 5 + 6)
6
1 (6)(7) 21 𝐸 𝑋 = 3.5 (el valor esperado del lanzamiento de un dato es 3.5)
= = = 3.5
6 2 6
(Blanco, 2010)
Valor esperado
Ejemplo 2 (lanzamiento de un dado una vez): la siguiente tabla muestra las probabilidades exactas de cada
uno de los resultados posibles del lanzamiento del dado honesto una vez, veamos:
𝑥𝑘 𝑃 𝑋 = 𝑥𝑘
1 1Τ6 ≈ 0.167
2 1Τ6 ≈ 0.167
3 1Τ6 ≈ 0.167
4 1Τ6 ≈ 0.167
5 1Τ6 ≈ 0.167
6 1Τ6 ≈ 0.167
Bajo simulación en Excel haremos el ejercicio del lanzamiento de un dado corriente 1000 veces, contaremos
cuantas veces sale 𝑥1 = 1, 𝑥2 = 2, … , 𝑥6 = 6, y calcularemos la probabilidad frecuentista para observar una
regularidad estadística y ver que estas probabilidades frecuentistas deben estar muy cercanas al valor real, tal como se
muestra en esta tabla.
𝑛(𝐴) 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑎𝑝𝑎𝑟𝑒𝑐𝑒 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝐴
Probabilidad frencuentista → 𝑓𝑟 𝐴 = 𝑛
= 𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠
(Blanco, 2010)
Valor esperado
Ejemplo 2 (lanzamiento de un dado una vez): La forma de proceder en Excel se hará con los siguientes pasos
indicados,
1) En una columna marcar el orden de la simulación (lanzamiento del dado), desde 1 hasta 1000
2) En la segunda columna generar un valor aleatorio entre 0 y 6 con la función ALEATORIO.ENTRE(1,6)
3) En una tabla aparte resumir las veces que aparece cada uno de los valores del dado, la probabilidad
frecuentitas y calcular 𝑥𝑘 𝑃 𝑋 = 𝑥𝑘 .
4) Verifique que la columna que tiene el dato de las veces que aparece cada valor del dado, sume en total 1000
que es el valor de las veces que se ha simulado.
5) Verifique que la suma de las probabilidades frencuentista sea 1 σ𝑥 𝑓 𝑥 = 1
(Blanco, 2010)
Valor esperado
Ejemplo 2 (lanzamiento de un dado una vez): Ahora vamos a simular este resultado en el software R-Project
Este código lo pueden poner en un SCRIPT de R-Project y lo ejecutan, lo pueden hacer en la interfaz RSTUDIO
(Blanco, 2010)
Referencias